酷播亮新聞
大數據與人工智慧時代，
掌握Python基礎後，我們可以選擇數據分析方向、人工智慧方向、全棧開發方向…
如果想要追趕 Python 的熱潮，應該如何學習呢？除了自學之外，多數人都會選擇在線課程作為輔助。選擇課程的衡量標準是什麼呢？我認為有以下幾條坑不能踩：
||
是否針對零基礎入門？
零基礎入門分為三種情況：一種是之前接觸過計算機編程，但並沒有熟練掌握任何一門語言，另一種是有其它編程語言基礎，但沒有接觸過Python，最後一種是沒有接觸過任何編程語言。
||
是否可以掌握一項核心的技能？
Python基礎；網路爬蟲；數據分析等。
||
是否針對零基礎的同學講解的生動易懂？
不少課程會標註課程所需的知識儲備，需要先掌握哪些知識才能看懂這門課，只有少數課才真正是零基礎可以學習的，這個是需要注意的。我覺得更多學習在線課程的還是零基礎的同學，畢竟有基礎的話自己擼文檔就好了。
||
是否配備了高質量的答疑服務？
實際編程會遇到問題被卡住真是太常見的一個事情了，很多程序員沒了 stackoverflow 也是無法正常工作的。但初學者很可能是連問題都描述不清楚的，所以有個老師幫初學者即時解決問題的話，能節省很多時間。
專註於人工智慧前沿科技的在線教育平台—深藍學院，聯合百度資深演算法工程師推出『
Python基礎入門與網路爬蟲實踐
』、『
Python數據分析
』兩門在線直播課程。兩門課程共56學時，課程從Python基礎入門開始，實戰講述新聞網站、知乎、京東商城、微信公眾號的網路爬蟲技術，將爬取的數據清洗整理，直接用於數據分析課程實踐。課程在線直播授課，一年內均可在微信答疑群提問答疑，講師真正做到有問必答。
Python 課程內容
1.
Python基礎入門
1.1 Python基礎
1.1.1
Python簡介與發展歷史
1.1.2
Python安裝與開發環境
1.1.3
基本類型、運算
1.
2 Python語句與語法及文件操作
1.
2.1
語句與語法包括
1.
2.2
迭代器
1.
2.3
文件操作
1.
3 函數與模塊
1.
3.1
函數基礎與作用域、參數與返回值、遞歸
1.
3.2
匿名函數：lambda與函數式編程工具：filter和reduce
1.
3.3
模塊基礎
1.
4 面向對象與異常處理
1.
4.1
面向對象（類和對象）
1.
4.2
異常處理
1.
5 多線程、正則表達式的使用
1.
5.1
線程模塊、線程同步
1.
5.2
多進程（通信與進程池）
1.
5.3
正則表達式
1.
6 網路編程
1.
6.1
TCP/IP、Socket、C/S架構
1.
6.2
HTTP，FTP以及郵件協議
1.
6.3
RPC
2.
Python網路爬蟲實踐
2.1 網路爬蟲入門
2.1.1
網路爬蟲技術價值
2.1.2
HTTP協議
2.1.3
網頁的常見構成
2.1.4
分散式數據存儲MongoDB
2.1.5
實踐：單頁面的抓取
2.
2 爬蟲基礎：一個簡單的爬蟲構成
2.
2.1
靜態網站的抓取
2.
2.2
多線程抓取
2.
2.3
多進程抓取
2.
2.4
實踐：新聞網站的爬取
2.
3 基於框架的爬蟲：Selenium
2.
3.1
自動化爬蟲框架PhantomJS+Selenium
2.
3.2
表單，網站登錄
2.
3.3
客戶端渲染頁面的抓取
2.
3.4
實踐：知乎網站的抓取
2.
3.5
實踐：微信公眾號內容的抓取
2.
4 基於框架的爬蟲：Scrapy
2.4
.1
框架簡介與分析
2.4
.2
框架的核心內容及使用方法
2.4
.3
實踐：京東網站的抓取
2.
5 基於框架的爬蟲：分散式爬蟲
2.
5.1
分散式爬蟲的框架
2.
5.2
任務調度的設計
2.
5.3
分散式集群部署的爬蟲與百度爬蟲簡介
2.
5.4
分散式存儲框架ElasticSearch搜索引擎
2.
5.5
實踐：一個簡單的搜索引擎
2.
6 爬蟲常見問題
2.
6.1
反爬蟲常見問題
2.
6.2
驗證碼：驗證碼的識別：實踐：識別驗證碼
2.
6.3
反IP：多IP技術
2.
6.4
移動端（手機端）內容抓取
i.Fiddle抓包分析
ii.使用API來進行抓取
iii.示例：今日頭條、快手微視頻的抓取
3.
Python網路爬蟲實踐
3.1 Python數據分析簡介
3.1
.1 Python數據分析環境配置（Anaconda）
3.1
.2 Python數據分析的各個模塊的作用和關係
3.1
.3 Python數據分析安裝配置常見庫：NumPy, Pandas, SciPy, Matplotlib
3.1
.4 數據分析應用場景與簡要示例
3.2 NumPy庫的介紹
3.2
.1 NumPy的性能優勢
3.2
.2 數組對象處理
3.2
.3 矩陣處理
3.2
.4 基本操作與實踐案例
3.3 Pandas庫的介紹
3.
3.1 Pandas基本數據結構與功能（Series）
3.
3.2 DataFrame缺失數據處理
3.
3.3 統計功能
3.
3.4 數據合併、分組及比較
3.
3.5 基本操作與實踐案例
3.4 Python文本數據與圖像數據分析的常見技術
3.4
.1 文本分析：清洗與常見演算法
a) 正則表達式
b) 分詞與關鍵字提取
3.4
.2 圖像分析：預處理方法(PIL)
a) 圖像數據讀取
b) 圖像分析
3.4
.3 基本圖像處理的基本流程
3.4
.4 實踐：基於微博數據的人物信息的提取、清洗
3.5 數據可視化
3.5
.1 數據可視化簡介
3.5
.2 常用可視化方式與圖表繪製
3.5
.3 Matplolib
3.5
.4 Seaborn
3.5
.5 實踐：基於微博數據的人物信息以及關係的數據可視化
3.6 Python與機器學習
3.6
.1 什麼是機器學習
3.6
.2 scikit-learn介紹
3.6
.3 scikit-learn內常用演算法介紹
3.6
.4 機器學習基本流程
3.6
.5 實踐：微博人物相似聚類演算法
3.7 Python與深度學習
3.7
.1 深度學習簡介
3.7
.2 Tensorflow入門
3.7
.3 Kaggle：簡單二分類：貓狗識別
3.7
.4 實踐圖像分類：微博明星人臉識別
3.8 Python與社交網路
3.8
.1 圖(graph)基礎
3.8
.2 社交網路演算法（包括PageRank演算法、社區發現演算法等）
3.8
.3 igraph介紹與network
3.8
.4 實踐微博社區發現演算法：明星關係與可視化
講師介紹
賀老師
，百度資深演算法工程師，主要負責基於Python的策略架構，以及基於大數據的人工智慧應用落地。曾工作於某知名金融信息公司，負責金融實時數據採集與分析，期間設計並實現基於Spark的非結構化數據處理的領域專用語言（Domain Specific Language; DSL）
，其核心內容
在中國軟體開發者大會進行演講。
南開大學計控學院碩士，碩士期間主要研究方向是基於FPGA的並行計算，獲得優秀碩士論文。
開課時間及形式
1.
前100名
報名者
，最高可領取
300元
優惠券，最低100元；
2.
每周周六、周日晚上在線
直播
授課；
3.
課程
一年
內
可實時查看視頻回放；
4.
課程
PPT和源程序
，會提前公開給學員；
5.
課前、課中和課後，
微信群
均可答疑。
請添加
助教
微信
諮詢
