国务院印发《新一代人工智能发展规划》，明确指出在中小学阶段设置人工智能相关课程后，编程教育走进了更多人的视野。Python 作为人工智能时代最合适的语言，无疑被越来越多人追捧。Python已经被北京、浙江、山东等省份纳入高考内容之一，将成为高考加分的利器。

教育部考试中心已经公布，在计算机二级考试加入“Python语言程序设计”科目，Python将于2018年9月全国计算机等级考试首次亮相。本课程内容适用于Python二级考试。点击查看考试大纲

在众多领域中：人工智能、机器学习、数据挖掘、数据分析、云计算、网络爬虫等都离不开python的身影。

本课程在前两次课程的基础上进行升级，最新录制视频。课程从完全零基础讲起，手把手教你入门Python语言，达到熟悉python而且能用来做一些数值计算和绘图。课程全程答疑保证每一位报名学员都能学会学懂。观看的视频3节以内无理由全额退款。

- 讲师简介 -

张阳阳

清华大学博士生，研究方向：人工智能、机器学习、深度学习。熟练掌握Python在人工智能中的应用。擅长数值计算与仿真模拟，精通各种 AI 算法和编程：回归预测、全局优化、聚类分类、综合评价、模式识别等。曾作为Python课程讲师，有 4 年多的教学经验。

Ramon

浙江大学博士生，研究方向：大数据、知识图谱、自然语言处理。《 Python 与数据挖掘》作者。熟练使用 Python，擅长自然语言理解、智能问答、深度学习、强化学习。曾在百度深度学习实验室，研究花卉图像识别，成果应用于手机百度APP。讲授数据挖掘课程两年教学经验。

- 课程目录 -

课程一 Python零基础入门与科学计算
    第一篇 Python基础入门（共12学时）
        1 Python的安装
        2 Python必备基础
        3 【课后作业讲解与答疑】
        4 Python内置数据结构
        5 操作文件和目录
        6 函数的定义和调用
        7 【课后作业讲解与答疑】
        8 面向对象编程 - 基础篇
        9 面向对象编程 - 进阶篇
        10【课后作业讲解与答疑】
        11 具有Python风格地编程
        12 常用技术介绍
    第二篇 科学计算与绘图（共7学时）
        1 数值矩阵型数据交给NumPy
        2 NumPy 进阶操作
        3 【课后作业讲解与答疑】
        4 Matplotlib 绘图
        5 【课后作业讲解与答疑】
        6 Pandas 基本操作
        7 Pandas 进阶操作
        8 【课后作业讲解与答疑】

课程二 Python机器学习与数据挖掘实践（拟定）
    第一篇 机器学习与数据挖掘概论（共5学时）
        1 机器学习概论（0.5学时）
        2 数据挖掘概论（0.5学时）
        3 数据预处理（1学时）
        4 Pandas基本功能（1学时）
        5 Pandas数据分析（1学时）
        6 模型的建立（1学时）

    第二篇 机器学习与数据挖掘算法实践（共15学时）
        1 回归分析（Regression Analysis）（1.5学时）
        2 逻辑回归（Logistic Regression）（1.5学时）
        3 决策树（Decision Tree）（1.5学时）
        4 人工神经网络（Artificial Neural Network）（1.5学时）
        5 k近邻分类（k Nearest Neighbor）（1.5学时）
        6 期中考试及点评讲解（1.5学时）
        7 朴素贝叶斯分类（Naive Bayesian）（1.5学时）
        8 聚类分析（Cluster Analysis)（1.5学时）
        9 支持向量机（Support Vector Machine）（1.5学时）
        10 期末考试及点评讲解（1.5学时）

课程三 Python深度学习与数据挖掘实战（拟定）
    第一篇 深度学习算法实践（共10学时）
        1 PyTorch入门 (2学时)
        2 反向传播算法 Back Propagation (2学时)
        3【复习】课后作业讲解（1学时）
        4 前馈神经网络 Feed Forward Network (1学时)
        5 卷积神经网络 Convolution Neural Network (1学时)
        6【复习】作业练习讲解（1学时）
        7 深度残差网络 Deep Residual Network (1学时)
        8 循环神经网络 Recurrent Neural Network（1学时）

    第二篇 数据挖掘项目实战（共10学时）
        1 案例一 图片验证码识别 (光学字符识别)(2学时)
        2 案例二 文本数据情感分析 (2学时)
        3 案例三：基于关联规则（Apriori）分析对超市购物的商品关系（2学时）
        4 案例四：基于用户和物品的协同过滤算法进行智能推荐（2学时）
        5 期末考试及点评讲解（2学时）

- 授课目标 -

课程一 Python零基础入门与科学计算 

• 入门Python编程
• 掌握Python基础的函数和技能
• 掌握Python数值计算和绘图基础

课程二 Python机器学习与数据挖掘实践

• 掌握数据挖掘的基本步骤
• 掌握机器学习的主流算法
• 掌握基于机器学习算法的数据挖掘技术

课程三 Python深度学习与数据挖掘实战

•  掌握深度学习的主流算法及实现
•  掌握基于深度学习算法的数据挖掘技术
•  通过各种案例掌握数据挖掘高级算法的步骤和思维

- 课前准备 -

请同学们开课前安装以下软件，安装出现问题也不用担心，第一节课程老师也会手把手教大家。

第一步：下载Python安装包 Python 3.6 指定发行版https://www.anaconda.com/download/#windows

第二步：IDE开发软件  PyCharm 社区版  下载地址https://www.jetbrains.com/pycharm/download/#section=windows

- 授课方式 -

1、本次课程为全程录播课，定时发布视频，群里主讲老师和助教实时答疑。

2、本次课程配套习题和习题讲解课。

- 课程特点 -

• 循序渐进，由浅入深、从入门到进阶
• 学有所成，每次课程配有作业，巩固学习成果，完成课程闭环
• 代码公开，面向学员公开课程的课件和源代码，随时回顾
• 答疑无忧，学员加入微信群，群内和讲师实时互动答疑

扫码添加“极值学院李老师”

▼