鄭州人工智能架構工程師課程

階段一、人工智能之訓練成果報告可視化技術

課程一、數據可視化基礎

1）可視化技術骨骼技術之HTML技術：HTML結構、HTML表單、HTML文檔

2）可視化技術皮膚之CSS技術：CSS樣式、樣式引入技術

3）可視化技術驅動之Javascript與Jquery:Javascript事件、Javascript Dom和BOM操作、網頁特效

課程二、圖表可視化技術

1）百度圖表可視化框架

2）百度圖表可視化十大經典案例

課程三、Python核心編程

1）Python介紹、Anaconda+Pycharm安裝、Python語法格式簡介、編碼規(guī)范簡介、常用關鍵字介紹

2）變量與賦值、運算符和基本運算、位運算、字符串處理

3）列表元祖、字典、數組、切片、列表推導式、淺拷貝和深拷貝

4）條件判斷語句、循環(huán)控制語句

5）函數的定義、函數閉包、裝飾器、lambda表達式、遞歸函數及尾遞歸優(yōu)化、常用內置函數/高階函數

6）項目案例：約瑟夫環(huán)問題

7）類和實例、訪問限制、繼承和多態(tài)及多重繼承、獲取對象信息、實例屬性和類屬性、模塊和包、類中的模式方法、異常和錯誤處理、debug調試

課程四、Python高級編程+數據可視化

1）時間庫，主要講解time、datetime，為之后時間序列分析做準備。

2）python鏈接數據庫，使用pymysql、pyhive操作數據倉庫，存儲數據源采集結果，以及存儲訓練成果。

3）文件、目錄操作，通過os，file等模塊實現文件、目錄操作，方便數據文件提取。

4）機器學習模塊庫，掌握數值計算庫Numpy、數據分析庫Pandas，為之后機器學習算法實現奠定基礎。 5）數據可視化繪圖庫，使用matplotlib實現數據可視化

階段二、人工智能之數據源采集及訓練成果存儲技術

課程五、非分布式存儲技術

1）利用關系型數據庫存儲數據源以及訓練成果數據，掌握關系型數據庫原理和數據結構、數據庫環(huán)境搭建、數據倉庫創(chuàng)建、數據工作表創(chuàng)建、數據倉庫數據類型設定、數據倉庫CRUD

課程六、分布式存儲技術

1）利用分布式數據倉庫存儲大數據源以及訓練成果數據，掌握分布式環(huán)境搭建、分布式數據倉庫Hive存儲結構與原理、分布式數據倉庫Hive實戰(zhàn)應用

課程七、Tableau人工智能訓練成果展示

1）訓練成果可視化展示利器，掌握了解數據可視化意義、Tableau十大經典可視化圖形展示、Tableau訓練成果可視化案例

課程八、數據采集技術

1）數據采集技術原理，熟練掌握網絡爬蟲含義、爬蟲原理以及反爬蟲機制

2）數據采集應用，使用json、requests，lxml，beatuifulSoup模塊實現數據的采集與解析

3）數據采集實戰(zhàn)，實現百度圖片下載、博客園博文數據采集、Python100例數據采集、QQ音樂數據采集及音樂文件下載

階段三、人工智能之機器學習

課程九、數學基礎

1）數據分析：熟練掌握常數e、導數、梯度、Taylor、gini系數、信息熵與組合數、梯度下降、牛頓法等知識點；

2）概率論：微積分與逼近論、極限、微分、積分基本概念、利用逼近的思想理解微分，利用積分的方式理解概率、概率論基礎、古典模型、常見概率分布、大數定理和中心極限定理、協方差(矩陣)和相關系數、似然估計和大后驗估計等知識點；

3）線性代數及矩陣：線性空間及線性變換、矩陣的基本概念、狀態(tài)轉移矩陣、特征向量、矩陣的相關乘法、矩陣的QR分解、對稱矩陣、正交矩陣、正定矩陣、矩陣的SVD分解、矩陣的求導、矩陣映射/投影等知識點；

4）凸顯示：凸優(yōu)化基本概念、凸集、凸函數、凸優(yōu)化問題標準形式、凸優(yōu)化之Lagerange對偶處、凸優(yōu)化之牛頓法、梯度下降法求解

課程十、機器學習

1）機器學習概述

2）數據清洗和特征選擇：實現特征抽取、特征轉換、特征選擇、降維、特征工程

3）回歸算法：Linear Regression算法、Lasso Regression算法、Ridge Regression/Classifier算法、Elastic Net算法、Logistic算法、K-鄰近算法(KNN)

4）決策樹、隨機森林和提升算法：決策樹算法: ID3、C4.5、CART、決策樹優(yōu)化、Bagging和Boosting算法、隨機森林、Adaboost算法、GBDT算法、Xgboost、LightGBM

5）SVM：線性可分支持向量機、核函數理解、SMO算法、SVM回歸SVR和分類SVC

6）聚類算法：各種相似度度量介紹及相關關系、K-means算法、K-means算法優(yōu)缺點及變種算法、密度聚類、層、聚類、譜聚類

7）EM算法：大似然估計、EM算法原理講解、多元高斯分布的EM實現、主題模型pLSA及EM算法

8）貝葉斯算法：樸素貝葉斯、條件概率表達形式、貝葉斯網絡的表達形式

9）隱馬爾科夫模型：概率計算問題、前向/后向算法、HMM的參數學習、高斯混合模型HMM

10）LDA主題模型：LDA主題模型概述、共軛先驗分布、Dirichlet分布、Laplace平滑、Gibbs采樣詳解、LDA與word2Vec效果比較。

課程十一、Pyspark

1）Hadoop基礎

2）Spark基礎

3）Spark Mlib機器學習

階段四、人工智能之智能推薦技術

課程十二、Python開發(fā)高手推薦系統(tǒng)

1）推薦算法概述

2）推薦算法理論介紹(協同過濾、基于內存的推薦、基于知識的推薦等)

3） 數據挖掘相關算法(關聯規(guī)則、Aprior算法)

4） 項目案例：音樂推薦、隱因子模型推薦

階段五、人工智能之深度學習

課程十三、深度學習

1）Tensorflow基本應用：掌握Tensorflow環(huán)境配置、Tensorflow基本概念、Tensorflow函數式編程、Tensorflw執(zhí)行流程、Tensorflw之上的工具庫：Keras，以及基于Tensorflow實現回歸算法實現。

2）深度學習概述

3）感知器神經網絡

4）BP神經網絡

5）RBF徑向基神經網絡

6）CNN卷積神經網絡

7）RNN循環(huán)神經網絡

8）生成對抗網絡（GAN，WGAN，EBGAN，DCGAN等）

階段六、人工智能之圖像處理技術

課程十四、圖像處理篇

1）圖像基礎：圖像讀，寫，保存，畫圖（線，圓，多邊形，添加文字）

2）圖像操作及算數運算：圖像像素讀取，算數運算，ROI區(qū)域提取

3）圖像顏色空間運算:圖像顏色空間相互轉化

4）圖像幾何變換:平移，旋轉，仿射變換，透視變換等

5）圖像形態(tài)學:腐蝕，膨脹，開/閉運算等

6）圖像輪廓:長寬，面積，周長，外接圓，方向，平均顏色，層次輪廓等

7）圖像統(tǒng)計學:圖像直方圖

8）圖像濾波:高斯濾波，均值濾波，雙邊濾波，拉普拉斯濾波等

階段七、人工智能之自然語言處理技術

課程十五、自然語言處理

1）詞（分詞，詞性標注）代碼實戰(zhàn)

2）詞（深度學習之詞向量，字向量）代碼實戰(zhàn)

3）詞（深度學習之實體識別和關系抽?。┐a實戰(zhàn)

4）詞（關鍵詞提取，無用詞過濾）代碼實戰(zhàn)

5）句（句法分析，語義分析）代碼實戰(zhàn)

6）句（自然語言理解,一階邏輯）代碼實戰(zhàn)

7）句（深度學習之文本相似度）代碼實戰(zhàn)

階段八、人工智能之企業(yè)項目實戰(zhàn)

實戰(zhàn)型項目一、基于FaceNet、云平臺的人臉識別及人臉檢索系統(tǒng)

使用深度學習框架從零開始完成人臉檢測的核心技術圖像類別識別的操作，從數據預處理開始一步步構建網絡模型并展開分析與評估，方便大家快速動手進行項目實踐！識別上千種人臉，返回層次化結構的每個人的標簽。

實戰(zhàn)型項目二、基于GBDT、Randomforest實現千萬級P2P金融系統(tǒng)反欺詐系統(tǒng)

目前比較火的互聯網金融領域，實質是小額信貸，小額信貸風險管理，本質上是事前對風險的主動把控，盡可能預測和防范可能出現的風險。本項目應用GBDT、Randomforest等機器學習算法做信貸反欺詐模型，通過數據挖掘技術，機器學習模型對用戶進行模型化綜合度量，確定一個合理的風險范圍，使風險和盈利達到一個平衡的狀態(tài)。

實戰(zhàn)型項目三、基于Seq2Seq的智能客服系統(tǒng)

聊天機器人/智能客服是一個用來模擬人類對話或者聊天的一個系統(tǒng)，利用深度學習和機器學習等相關算法構建出問題和答案之間的匹配模型，然后可以將其應用到客服等需要在線服務的行業(yè)領域中，聊天機器人可以降低公司客服成本，還能夠提高客戶的體驗友好性。 在一個完整的聊天機器人實現過程中，主要包含了一些核心技術，包括但不限于：爬蟲技術、機器學習算法、深度學習算法、領域相關算法。通過實現一個聊天機器人可以幫助我們隊AI整體知識的一個掌握。

實戰(zhàn)型項目四、基于實現詩歌機器人

機器人寫詩歌/小說是一種基于自然語言相關技術的一種應用，在實現過程中可以基于機器學習相關算法或者深度學習相關算法來進行小說/詩歌構建過程。人工智能的一個目標就是讓機器人能夠像人類一樣理解文字，并運用文字進行創(chuàng)作，而這個目標大致上主要分為兩個部分，也就是自然語言理解和自然語言生成，其中現階段的主要自然語言生成的運用，自然語言生成主要有兩種不同的方式，分別為基于規(guī)則和基于統(tǒng)計，基于規(guī)則是指首先了解詞性及語法等規(guī)則，再依據這樣的規(guī)則寫出文章；而基于統(tǒng)計的本質是根據先前的字句和統(tǒng)計的結果，進而判斷下一個字的生成，例如馬爾科夫模型就是一種常用的基于統(tǒng)計的方法。

實戰(zhàn)型項目五、基于Adaboost的百度音樂系統(tǒng)文件分類系統(tǒng)

音樂推薦系統(tǒng)就是利用音樂網站上的音樂信息，向用戶提供音樂信息或者建議，幫助用戶決定應該聽什么歌曲。而個人化推薦則是基于音樂信息及用戶的興趣特征、聽歌歷史行為，向用戶推薦用戶可能會感興趣的音樂或者歌手。推薦算法主要分為以下幾種：基于內容的推薦、協同過濾推薦、基于關聯規(guī)則推薦、基于效用推薦、基于知識推薦等；推薦系統(tǒng)常用于各個互聯網行業(yè)中，比如音樂、電商、旅游、金融等。

實戰(zhàn)型項目六、基于貝葉斯、CNN的郵件情感分析過濾系統(tǒng)

郵件主要可以分為有效郵件和垃圾郵件兩大類，有效郵件指的郵件接收者有意義的郵件，而垃圾郵件轉指那些沒有任何意義的郵件，其內容主要包含賺錢信息、成人廣告、商業(yè)或者個人網站廣告、電子雜志等，其中垃圾郵件又可以發(fā)為良性垃圾郵件和惡性垃圾郵件，良性垃圾郵件指的就是對收件人影響不大的信息郵件，而惡性垃圾郵件指具有破壞性的電子郵件，比如包含病毒、木馬等惡意程序的郵件。垃圾郵件過濾主要使用使用機器學習、深度學習等相關算法，比如貝葉斯算法、CNN等，識別出所接收到的郵件中那些是垃圾郵件。

實戰(zhàn)型項目七、基于生物學神經網絡實現手工數字識別

人認知世界的開始就是從認識數字開始的，深度學習也一樣，數字識別是深度學習的一個很好的切入口，是一個非常經典的原型問題，通過對手寫數字識別功能的實現，可以幫助我們后續(xù)對神經網絡的理解和應用。選取手寫數字識別的主要原因是手寫數字具有一定的挑戰(zhàn)性，要求對編程能力及神經網絡思維能力有一定的要求，但同時手寫數字問題的復雜度不高，不需要大量的運算，而且手寫數字也可以作為其它技術的一個基礎，所以以手寫數字識別為基礎，貫穿始終，從而理解深度學習相關的應用知識。

實戰(zhàn)型項目八、基于logistic回歸實現癌癥篩選檢測

技術可以改變癌癥患者的命運嗎，對于患有乳腺癌患者來說，復發(fā)還是痊愈影響這患者的生命，那么怎么來預測患者的患病結果呢，機器學習算法可以幫助我們解決這一難題，本項目應用機器學習logistic回歸模型，來預測乳腺癌患者復發(fā)還是正常，有效的預測出醫(yī)學難題。

實戰(zhàn)型項目九、基于回歸分析實現葡萄酒質量檢測系統(tǒng)

隨著信息科技的快速發(fā)展,計算機中的經典算法在葡萄酒產業(yè)中得到了廣泛的研究與應用。其中機器學習算法的特點是運用了人工智能技術,在大量的樣本集訓練和學習后可以自動地找出運算所需要的參數和模型。

實戰(zhàn)型項目十、基于協同推薦實現淘寶網購物籃分析推薦系統(tǒng)

購物籃分析(Market Basket Analysis)即非常有名的啤酒尿布故事的一個反應，是通過對購物籃中的商品信息進行分析研究，得出顧客的購買行為，主要目的是找出什么樣的物品會經常出現在一起，也就是那些商品之間是有很大的關聯性的。通過購物籃分析挖掘出來的信息可以用于指導交叉銷售、追加銷售、商品促銷、顧客忠誠度管理、庫存管理和折扣計劃等業(yè)務；購物籃分析的常用應用場景是電商行業(yè)，但除此之外，該算法還被應用于信用卡商城、電信與金融服務業(yè)、保險業(yè)以及醫(yī)療行業(yè)等。

實戰(zhàn)型項目十一、基于Python純源碼手工實現梯度下降回歸算法

梯度下降法（英語：Gradient descent）是一個一階優(yōu)化算法，通常也稱為速下降法。 要使用梯度下降法找到一個函數的局部極小值，必須向函數上當前點對應梯度（或者是近似梯度）的反方向的規(guī)定步長距離點進行迭代搜索。如果相反地向梯度正方向迭代進行搜索，則會接近函數的局部極大值點；這個過程則被稱為梯度上升法。

實戰(zhàn)型項目十二、基于TensorFlow實現回歸算法

回歸算法是業(yè)界比較常用的一種機器學習算法，通過應用于各種不同的業(yè)務場景，是一種成熟而穩(wěn)定的算法種類；TensorFlow是一種常用于深度學習相關領域的算法工具；隨著深度學習熱度的高漲，TensorFlow的使用也會越來越多，從而使用TensorFlow來實現一個不存在的算法，會加深對TensorFlow的理解和使用；基于TensorFlow的回歸算法的實現有助于后續(xù)的TensorFlow框架的理解和應用，并可以促進深度學習相關知識的掌握。

實戰(zhàn)型項目十三、基于ssd和yolo實現行人檢測

行人檢測是利用圖像處理技術和深度學習技術對圖像或者視頻序列中是否存在行人并給予精確定位。學習完行人檢測技術后，對類似的工業(yè)缺陷檢測，外觀檢測和醫(yī)療影像檢測等目標檢測范疇類的項目可以一通百通。該技術可與行人跟蹤，行人重識別等技術結合，應用于人工智能系統(tǒng)、車輛輔助駕駛系統(tǒng)、智能機器人、智能視頻監(jiān)控、人體行為分析、智能交通等領域。由于行人兼具剛性和柔性物體的特性 ，外觀易受穿著、尺度、遮擋、姿態(tài)和視角等影響，使得行人檢測成為計算機視覺領域中一個既具有研究價值同時又極具挑戰(zhàn)性的熱門課題。

實戰(zhàn)型項目十四、基于PySpark大數據機器學習框架

Spark由AMPLab實驗室開發(fā)，其本質是基于內存的快速迭代框架，“迭代”是機器學習大的特點，因此非常適合做機器學習。得益于在數據科學中強大的表現，Python是一種解釋型、面向對象、動態(tài)數據類型的高級程序設計語言，結合強大的分布式內存計算框架Spark，兩個領域的強者走到一起，自然能碰出更加強大的火花（Spark可以翻譯為火花）。

Spark的Python API幾乎覆蓋了所有Scala API所能提供的功能，只有極少數的一些特性和個別的API方法，暫時還不支持。但通常不影響我們使用Spark Python進行編程。

實戰(zhàn)型項目十五、基于Python源碼實現LSTM神經網絡

LSTM（Long Short-Term Memory）是長短期記憶網絡，是一種時間遞歸神經網絡，適合于處理和預測時間序列中間隔和延遲相對較長的重要事件。 LSTM 已經在科技領域有了多種應用?；?LSTM 的系統(tǒng)可以學習翻譯語言、控制機器人、圖像分析、文檔摘要、語音識別圖像識別、手寫識別、控制聊天機器人、預測疾病、點擊率和股票、合成音樂等等任務。

階段九、人工智能篇之企業(yè)項目實戰(zhàn)（選修）

通過python數據科學庫numpy,pandas,matplot結合機器學習scikit-learn完成一些列的機器學習案例。算法課程注重于原理推導與流程解釋，結合實例通俗講解復雜的機器學習算法，并以實戰(zhàn)為主。

課程十六、基于Python數據分析與機器學習案例實戰(zhàn)教程

通過python數據科學庫numpy,pandas,matplot結合機器學習庫scikit-learn完成一些列的機器學習案例。算法課程注重于原理推導與流程解釋，結合實例通俗講解復雜的機器學習算法，并以實戰(zhàn)為主，所有課時都結合代碼演示。算法與項目相結合，選擇經典kaggle項目，從數據預處理開始一步步代碼實戰(zhàn)帶大家快速入門機器學習。旨在幫助同學們快速上手如何使用python庫來完整機器學習案例。選擇經典案例基于真實數據集，從數據預處理開始到建立機器學習模型以及效果評估，完整的講解如何使用python及其常用庫進行數據的分析和模型的建立。對于每一個面對的挑戰(zhàn)，分析解決問題思路以及如何構造合適的模型并且給出合適評估方法。在每一個案例中，同學們可以快速掌握如何使用pandas進行數據的預處理和分析，使用matplotlib進行可視化的展示以及基于scikit-learn庫的機器學習模型的建立。

課程十七、AI法律咨詢大數據分析與服務智能推薦項目

本項目主要研究法律資訊網站，依據海量數據，研究用戶興趣偏好，分析用戶的需求和行為，發(fā)現用戶興趣點，從而引導用戶發(fā)現自己的信息需求，準確推薦給所需用戶。

項目的業(yè)務系統(tǒng)底層主要采用JAVA架構，大數據分析主要采用Hadoop框架，其中包括Kettle實現ETL、SQOOP、Hive、Kibana、HBASE、Spark以及人工智能算法等框架技術。

課程十八、電商大數據情感分析與AI推薦實戰(zhàn)項目

本項目從開發(fā)的角度以大數據、PHP技術棧為基礎，使用真實商用表構和脫敏數據，分三步構建商用系統(tǒng)、真實大數據環(huán)境、進行推斷分析以及呈現結果。 項目課程的完整性、商業(yè)性，可以使學者盡可能完整地體會真實的商業(yè)需求和業(yè)務邏輯。

完整的項目過程，以大數據為導向，使PHP技術棧的同學得以窺見和學到一個完整商業(yè)大數據平臺項目的搭建方法。及數據挖掘和AI技術在數據工作中的實戰(zhàn)應用。

課程十九、AI大數據互聯網電影智能推薦

本課程主要講解針對用戶進行智能推薦電影，依據海量數據，研究用戶興趣偏好，分析用戶的需求和行為，發(fā)現用戶興趣點，從而引導用戶發(fā)現自己的信息需求，準確推薦給所需用戶。

項目的業(yè)務系統(tǒng)底層主要采用Python架構，大數據分析主要采用Hadoop框架，其中包括Kettle實現ElasticSearch、ETL、SQOOP、Hive、Flume、Kibana、HBASE、Spark以及人工智能算法等框架技術

課程二十、AI大數據基站定位智能推薦商圈分析項目實戰(zhàn)

隨著當今個人手機終端的普及、出行人群中手機擁有率和使用率已達到相當高的比例，根據手機信號在真實地理空間的覆蓋情況，將手機用戶時間序列的手機定位數據，映射至現實地理位置空間位置，即可完整、客觀地還原出手機用戶的現實活動軌跡，從而挖掘出人口空間分布與活動聯系特征信息。

商圈是現代市場中企業(yè)市場活動的空間，同時也是商品和服務享用者的區(qū)域。商圈劃分為目的之一是研究潛在顧客分布，以制定適宜的商業(yè)對策。 本項目以實戰(zhàn)為基礎結合大數據技術Hadoop、.Net技術全棧為基礎，采用真實商業(yè)數據，分不同環(huán)節(jié)構建商用系統(tǒng)、真實大數據環(huán)境、進行推斷分析及呈現數據。

階段十、架構實戰(zhàn)篇（選修）

網的提供項目全部來自一線開發(fā)中，項目代碼量大，為了讓學員盡快適應到企業(yè)中的開發(fā)項目，網提供大量的精品項目案例，其中包括電商項目，教育管理系統(tǒng)，仿百度搜索引擎等。學員可以根據自己的學習情況和工作背景來選擇項目。

實戰(zhàn)型項目一、大數Python金融應用編程

本教程介紹使用Python進行數據分析和金融應用開發(fā)的基礎知識。課程從介紹簡單的金融應用開始，帶領學員回顧Python的基礎知識，并逐步學習如何將Python應用到金融分析編程。使學員在實戰(zhàn)的環(huán)境下理解Python在金融應用開發(fā)中的具體應用方式，訓練學員獨立開發(fā)Python模塊的能力。

實戰(zhàn)型項目二、Python實戰(zhàn)開發(fā)之Flask Web框架在商城項目中的應用

本課程采用講解與實例相結合的方式，不僅介紹了Flask安裝、使用等基礎知識，還講解了模板引擎Jinja、Sqlalchemy 存儲引擎、WTF 表單等，即使從未接觸Flask，你也能會構建完整的Web應用。

實戰(zhàn)型項目三、基于Python機器學習、項目案例實戰(zhàn)

本課程主要通過python庫numpy,pandas,matplot結合機器學習庫完成一些機器學習案例。旨在幫助同學們快速上手如何使用python庫來完整機器學習。選擇經典案例基于真實數據集，從數據預處理開始到建立機器學習模型以及效果評估，完整的講解機器學習案例。

實戰(zhàn)型項目四、零基礎實戰(zhàn)機器學習

本教程系統(tǒng)的介紹了機器學習的目的和方法。并且針對每一種常用的方法進行了詳細的解析，用實例來說明具體的實現，學生可以跟著一步步完成。在面對現實的問題的時候，可以找到非?？煽康膮⒄?。本課程在最開始講解了Python語言的基礎知識，以保證后面的課程中可以順利進行。更多的Python語言的知識，需要學員自己去找更多的資料進行學習。

本課程主要講述了兩大類機器學習的方法：有監(jiān)督學習和無監(jiān)督學習，其中有監(jiān)督學習里面，又分為分類和預測數值型數據。這些算法都是基礎的算法。這樣可以降低學習的難度，容易理解機器學習思路和實現的過程。

實戰(zhàn)型項目五、Bootstrap、Angular Js修煉之道

教程由淺入深，一步一步學習Spring Boot，最后學到的不單單是基礎！ 使用Spring Boot 進行Web 開發(fā)、數據訪問、安全控制、批處理、異步消息、系統(tǒng)集成、開發(fā)與部署、應用監(jiān)控、分布式系統(tǒng)開發(fā)等，該課程讓你能夠快速搭建企業(yè)級應用的框架，該課程將會以spring mvc開始學習，從而引入spring boot，創(chuàng)建獨立的Spring項目，內置Tomcat和Jetty容器提供一個starter POMs來簡化Maven配置，同時提供了一系列大型項目中常見的非功能性特性，如安全、指標，健康檢測、外部配置等完全沒有代碼生成和xml配置文件。

實戰(zhàn)型項目七、Python實戰(zhàn)開發(fā)之Pyramid Web框架在商城項目中的應用

本課程為Pyramid Web開發(fā)入門課程，主要講解了Python語言基礎，Pyramid框架入門和常見的項目開發(fā)方法。本課程以項目為導向，結合基礎知識的講解，允許沒有相關基礎的學員迅速入門。同時，有鑒于本課程以項目開發(fā)為導向，故可以讓學員融入實際開發(fā)過程中，盡快積累經驗。

實戰(zhàn)型項目八、深入MongoDB高級開發(fā)管理+信息數據監(jiān)控Snmp服務器、數據庫數據采集

本課程由淺入深，全面、系統(tǒng)地介紹了MongoDB基礎、應用、管理、性能優(yōu)化、數據庫的架構，環(huán)境搭建實例，編程實例等內容。課程中的每一章都提供了大量的 實例代碼，以方便學者進行練習和學習。每個例程都經過精挑細選，具有很強的針對性，適合各個階段的讀者的學習。

實戰(zhàn)型項目九、NoSQL之Redis高性能的key-value數據庫深入淺出

1）redis介紹和基本使用，安裝redis，安裝php-redis

2）redis數據類型string，Web Session緩存

3）使用redis進行數據庫緩存，redis數據類型list

4）redis的數據持久機制及訂閱/發(fā)布模型

5）redis數據類型set/sorted set，使用redis實現auto complete

6）基于訪問頻率的auto complete，redis的內存分配方法

7）redis數據類型hash，redis數據類型的內存模型（1）

8）redis數據類型的內存模型（2），與key相關的操作方法

9）如何分布式的使用redis，transaction和server相關的操作，redis接口協議

10）使用redis實現一個簡單的微博系統(tǒng)

實戰(zhàn)型項目十、實戰(zhàn)Mysql數據庫應用開發(fā)(安全、存儲過程、觸發(fā)器、集群配置配項目實戰(zhàn))

通過本課程的學習，用戶可在*短的時間內掌握MySQL的安裝配置與使用、MySQL DML特性的高級用法、MySQL常見內置函數的高級用法、MySQL中存儲過程寫法、視圖、用戶自定義函數、觸發(fā)器等高級用法、MySQL中的事務功能。并了解圖形化管理工具的使用、字符集及亂碼處理、MySQL的數據備份與還原技術、MySQL的安全技術、MySQL的系統(tǒng)管理、MySQL集群的配置。

階段十一、區(qū)塊鏈（選修）

區(qū)塊鏈(Blockchain)是分布式數據存儲、點對點傳輸、共識機制、加密算法等計算機技術的新型應用模式。所謂共識機制是區(qū)塊鏈系統(tǒng)中實現不同節(jié)點間建立信任、學算法

區(qū)塊鏈是比特幣的底層技術，像一個數據庫賬本，記載所有的交易記錄。這項技術也因其安全、便捷的特性逐漸得到了銀行與金融業(yè)的關注。

一、課程介紹

1）區(qū)塊鏈的發(fā)展

2）課程安排

3）學習目標

二、區(qū)塊鏈的技術架構

1）數據層 創(chuàng)世區(qū)塊 交易記錄 私鑰，公鑰和錢包地址

2）數據層 & 通訊層 記賬原理 Merkle 樹和簡單支付驗證（SPV） P2P通訊 數據通信和驗證

3）共識層

4）激勵層 拜占庭將軍問題與POW Pos DPos PBFT 挖礦 交易費 圖靈完備和非完備

5）合約層 比特幣腳本 以太坊智能合約 fabic智能合約 RPC遠程調用

6）應用層

7）總結 接口調用 DAPP的使用 應用場景的部署 重要概念和原理

三、環(huán)境搭建

1）以太坊 以太坊介紹 以太坊開發(fā)過程 圖形界面客戶端使用 供應鏈的應用 保險領域的應用 DAO的介紹和應用

2）以太坊 以太坊本地開發(fā)環(huán)境的搭建 以太坊分布式集群環(huán)境的搭建

3）hyperledger項目fabric介 fabric介紹 fabric本地開發(fā)環(huán)境搭建 fabric分布式集群環(huán)境搭建

四、案例和DEMO

1）案例講解 支付和清結算 公益行業(yè)的應用 供應鏈的應用 保險領域的應用 DAO的介紹和應用

2）Demo介紹 發(fā)幣和交易Demo3）Demo介紹 數據資產的確權和追溯

階段十二、用人工智能預測金融量化交易投資系列課程

程序化交易：又稱程式交易,發(fā)源于上世紀80年代的美國,其初的定義是指在紐約股票交易所(NYSE)市場上同時買賣超過15只以上的股票組合；像高盛、摩根士丹利及德意志銀行都是在各大交易市場程序化交易的活躍參與會員。

本課程主要面向意愿從事金融量化交易人員、金融行業(yè)從業(yè)人員、金融策略開發(fā)人員及投資經驗豐富而想實現計算機自動下單人員；主要講解了證券期貨程序化實現原理及過程，通過本課程的學習，您可以根據自己的意愿打造屬于自己的量化投資交易系統(tǒng)； 本課程主要用到的技術手段有：Python、Pandas、數據分析、數據挖掘機器學習等。

一、程序化交易數據獲取與清洗講解

1）數據的清洗與合成

2）K線圖繪制

3）技術指標開發(fā)講解

4）數據的獲取

二、回測框架搭建講解

1）回測框架搭建背景及基本流程講解

2）回測框架實現及收益指標講解

三、程序化交易部分實現講解

1）CTP技術講解

2）程序化API講解

3）程序化交易具體實現講解

階段十三、阿里云認證

課程二十一、云計算 - 網站建設：部署與發(fā)布

阿里云網站建設認證課程教你如何掌握將一個本地已經設計好的靜態(tài)網站發(fā)布到Internet公共互聯網，綁定域名，完成工信部的ICP備案。

課程二十二、云計算 - 網站建設：簡單動態(tài)網站搭建

阿里云簡單動態(tài)網站搭建課程教你掌握如何快速搭建一個WordPress動態(tài)網站，并會對網站進行個性化定制，以滿足不同的場景需求。

課程二十三、云計算 - 云服務器管理維護

阿里云服務器運維管理課程教你掌握快速開通一臺云服務器，并通過管理控制臺方便地進行服務器的管理、服務器配置的變更和升級、數據的備份，并保證其可以正常運轉并按業(yè)務需求隨時進行配置的變更。

課程二十四、云計算 - 云數據庫管理與數據遷移

阿里云云數據庫管理與數據遷移認證課程掌握云數據庫的概念，如何在云端創(chuàng)建數據庫、將自建數據庫遷移至云數據庫MySQL版、數據導入導出，以及云數據庫運維的常用操作。

課程二十五、云計算 - 云存儲：對象存儲管理與安全

阿里云云儲存認證課程教你掌握安全、高可靠的云存儲的使用，以及在云端存儲下載文件，處理圖片，以及如何保護數據的安全。

課程二十六、云計算 - 超大流量網站的負載均衡

掌握如何為網站實現負載均衡，以輕松應對超大流量和高負載。

課程二十七、大數據 - MOOC網站日志分析

本課程可以幫助學員掌握如何收集用戶訪問日志，如何對訪問日志進行分析，如何利用大數據計算服務對數據進行處理，如何以圖表化的形式展示分析后的數據。

課程二十八、大數據 - 搭建企業(yè)級數據分析平臺

模擬電商場景，搭建企業(yè)級的數據分析平臺，用來分析商品數據、銷售數據以及用戶行為等。

課程二十九、大數據 - 基于LBS的熱點店鋪搜索

本課程可以幫助學員掌握如何在分布式計算框架下開發(fā)一個類似于手機地圖查找周邊熱點（POI）的功能，掌握GeoHash編碼原理，以及在地理位置中的應用，并能將其應用在其他基于LBS的定位場景中。

課程中完整的演示了整個開發(fā)步驟，學員在學完此課程之后，掌握其原理，可以在各種分布式計算框架下完成此功能的開發(fā)，比如MapReduce、Spark。

課程三十、大數據 - 基于機器學習PAI實現精細化營銷

本課程通過一個簡單案例了解、掌握企業(yè)營銷中常見的、也是必需的精準營銷數據處理過程，了解機器學習PAI的具體應用，指導學員掌握大數據時代營銷的利器---通過機器學習實現營銷。

課程三十一、大數據 - 基于機器學習的客戶流失預警分析

本課程講解了客戶流失的分析方法、流程，同時詳細介紹了機器學習中常用的分類算法、集成學習模型等通用技能，并使用阿里云機器學習PAI實現流失預警分析?？梢詭椭髽I(yè)快速、準確識別流失客戶，輔助制定策略進行客戶關懷，達到挽留客戶的目的。

課程三十二、大數據 - 使用DataV制作實時銷售數據可視化大屏

幫助非專業(yè)工程師通過圖形化的界面輕松搭建專業(yè)水準的實時可視化數據大屏，以滿足業(yè)務展示、業(yè)務監(jiān)控、風險預警等多種業(yè)務的展示需求。

課程三十三、大數據 - 使用MaxCompute進行數據質量核查

通過本案例，學員可了解影響數據質量的因素，出現數據質量問題的類型，掌握通過MaxCompute（DateIDE）設計數據質量監(jiān)控的方法，最終獨立解決常見的數據質量監(jiān)控需求。

課程三十四、大數據 - 使用Quick BI制作圖形化報表

阿里云Quick BI制作圖形化報表認證課程教你掌握將電商運營過程中的數據進行圖表化展現，掌握通過Quick BI將數據制作成各種圖形化報表的方法，同時還將掌握搭建企業(yè)級報表門戶的方法。

課程三十五、大數據 - 使用時間序列分解模型預測商品銷量

使用時間序列分解模型預測商品銷量教你掌握商品銷量預測方法、時間序列分解以及熟悉相關產品的操作演示和項目介紹。

課程三十六、云安全 - 云平臺使用安全

阿里云云平臺使用安全認證課程教你了解由傳統(tǒng)IT到云計算架構的變遷過程、當前信息安全的現狀和形勢，以及在云計算時代不同系統(tǒng)架構中應該從哪些方面利用云平臺的優(yōu)勢使用安全風險快速降低90%。

課程三十七、云安全 - 云上服務器安全

阿里云云上服務器安全認證課程教你了解在互聯網上提供計算功能的服務器主要面臨哪些安全風險，并針對這些風險提供了切實可行的、免費的防護方案。

課程三十八、云安全 - 云上網絡安全

了解網絡安全的原理和解決辦法，以及應對DDoS攻擊的方法和防護措施，確保云上網絡的安全。

課程三十九、云安全 - 云上數據安全

了解云上數據的安全隱患，掌握數據備份、數據加密、數據傳輸安全的解決方法。

課程四十、云安全 - 云上應用安全 了解云上的安全監(jiān)控方法，學會使用監(jiān)控大屏來監(jiān)控安全風險，并能夠自定義報警規(guī)則，確保隨時掌握云上應用的安全情況。 階段十四、IT高級開發(fā)者職場生命規(guī)則 — 職業(yè)素養(yǎng)

了解常見的應用安全風險，SQL注入原理及防護，網站防篡改的解決方案等，確保云上應用的安全。

課程四十一、云安全 - 云上安全管理

了解云上的安全監(jiān)控方法，學會使用監(jiān)控大屏來監(jiān)控安全風險，并能夠自定義報警規(guī)則，確保隨時掌握云上應用的安全情況。

階段十四、IT高級開發(fā)者職場生命規(guī)則 — 職業(yè)素養(yǎng)

本課程主要為廣大畢業(yè)生或者工作經驗較少的學員而設立，主要是為了在職業(yè)素養(yǎng)方面給大家提供輔導，為更加順利走向職場而提供幫助。

為什么有些同學在技能方面過關，卻還是給予別人一種書生氣的感覺？

為什么簡歷已經通過了，卻還是沒有通過HR的面試？

為什么入職后，與同事的溝通總是存在問題?

為什么每天的時間都不夠用，無法兼顧生活學習和工作?

為什么學習一段時間后，對工作對職場沒有方向感?

為什么遇到事情，別人總是能夠保持良好心態(tài)游刃有余，而我總是問題百出？ COT課程正是引領大家一起來探索其中的奧秘和方法，讓大家一起在學習過程中不斷深思和進步，讓大家的職場路越走越順暢。

1）團隊協作

2）心態(tài)管理

3）目標管理

4）時間管理

5）學習管理

6）溝通能力

7）項目管理