数据库概念及其功能介绍、数据库的安装与配置、数据库表的创建及注意事项;变量、标识符和关键字、输入和输出、数据类型转换、循环、列表;闭包、装饰器、迭代器、生成器、正则表式的介绍、多任务介绍、进程使用、线程同步与互斥锁等。

1、熟悉MySQL数据的体系结构，熟悉DDL，DML相关操作，掌握JDBC编程2、熟练掌握人工智能Python语言基础;建立编程思维以及面向对象程序设计思想;能够熟练使用Python技术完成基础程序编写3、掌握Python高阶语法、多任务编程、数据埋点和业务解析

Numpy数组、Pandas、数据读写、Python数据库操作、数据筛选、数据统计、数据处理、Groupby分组聚合、数据合并；Matplotlib、Seaborn、Pyecharts、基础绘图（折线图、柱形图、饼图等）、分组对比、动态交互、地理图表、图形组合

1、了解Python数据分析2、掌握NumPy数值计算基础3、掌握Pandas统计分析基础4、使用Pandas进行数据预处理5、掌握Matplotlib绘制并定制化图表6、掌握Seaborn进阶绘图7、掌握Pyecharts绘制图像和地理图表

Request、基础反爬、请求头、数据接口、数据定位、Xpath、正则表达式、Json数据解析、Selenium自动化、Scrapy框架、多线程、多进程数学函数、数据处理、数据计算、Excel制图、powerBl数据关联、数据可视化、数据大屏

1、了解Python爬虫环境与反爬虫技术2、掌握网页前端基础3、掌握简单静态网页爬取4、正则表达式、Xpath5、掌握常规动态网页爬取（Selenium）6、Scrapy框架7、多线程、多进程、协程爬虫8、了解Excel的基本使用9、掌握数据导入导出10、掌握常用Excel函数使用11、使用Excel快速制图12、掌握powerBl基本使用方法13、使用powerBl进行数据分析14、掌握powerBl数据大屏制作

KNN算法、线性回归与逻辑回归算法、决策树算法、集成学习、随机森林、XGBoot、GBDT、聚类算法、LightGBM、Sklean与特征工程、算法调优、模型评估、模型的保存和加载

1、了解机器学习2、掌握模型评估与选择3、掌握回归分析4、掌握KNN算法5、掌握朴素贝叶斯分类算法6、掌握聚类分析7、掌握支持向量机

数据采集与可视化分析案例：热门电影豆瓣影评爬取与分析数据可视化分析案例：自动售货机综合数据分析数据挖掘案例：商家优惠券使用预测......

1、深入了解数据采集的完整过程和数据分析策略2、深入理解数据可视化的综合应用3、对机器学习的KNN算法、贝叶斯算法、支持向量机等相关算法综合应用，以及相关算法的评估和算法的调优策略。

深神经网络基础、神经网络的构成（CNN、RNN）、经典卷积网络、NLP实际应用场景、文本处理基本方法等

1、掌握TensorFlow的数据类型2、掌握卷积神经网络CNN3、掌握循环神经网络RNN4、掌握CNN、残差网络、YOLO及SDD等系列算法5、掌握自然语言处理基础算法6、掌握RNN、LSTM、GRU等算法

掌握Linux基础、Hadoop、Hive数仓技术、Spark计算引擎

1、掌握Linux Vi编辑器使用2、掌握Linux Shell编程3、掌握Hive导入及导出数据4、掌握Hive查询5、掌握Spark SQL应用6、掌握DataFrame基础操作7、完成PySpark开发环境配置