1.了解Python编程的方式以及特点、发展历史和应用领域 2.掌握python数据类型 3.掌握python复杂数据类型的语法、用途以及使用方式 4.掌握python运算符以及运算符的优先级 5.掌握python流程控制语法以及可以有逻辑的进行编程 6.掌握函数的定义、用途 7.能够熟练的进行函数式编程。

1.熟悉numpy环境、会创建多维数组、 2.熟练操作数组的切片、索引和迭代 3.掌握算数的运算、会应用统计函数及矩阵库 4.熟练IO文件操作 5.会用matplotlib绘制图形 6.熟悉pandas环境、会创建Series、DataFrame 7.掌握描述性统计、会操作迭代、排序，熟悉字符串和文本函数 8.熟悉统计函数、聚合函数，学会对缺失数据的处理 9.熟练使用IO工具会可视化 10.熟悉Scipy环境、会操作积分、最优化的方法 11.熟悉插值、傅里叶变换、信号和图像处理方法的使用 12.熟悉IO文件操作 13.熟悉Scrapy环境，学会爬虫技术 14.爬取豆瓣电影 15.熟悉Sklearn环境，学会算法包的运用 16.学会加载数据集、模型选择

结合MySQL数据库、MongoDB、Redis不同的数据库。从关系型数据库到非关系型数据库，从结构化数据存储到非结构化数据，从数据存储到数据缓存，从数据结构到数据优化。全面对数据库技术进行学习。

1.了解机器学习的定义、发展历程 2.熟悉贝叶斯公式的应用 3.掌握逻辑回归模型 4.学会距离度量、k值的选择 5.掌握决策树学习的发展及其在机器学习中的作用、决策树学习中的信息增益及信息增益比 6.掌握最小二乘估计、梯度下降法的运用 7.掌握性能度量、距离计算、最小化平方误差 8.掌握神经元模型、感知机与多层网络、BP算法、其他常见神经网络

1.掌握对图像的处理 2.掌握对自然语言的处理 3.结巴分词的应用、词袋模型和词集模型 4.推荐算法、相似度度量 5.CNN神经网络的运用 6.综合项目，对整个课程的整体掌握

1.掌握对图像的处理 2.掌握对自然语言的处理 3.结巴分词的应用、词袋模型和词集模型 4.推荐算法、相似度度量 5.CNN神经网络的运用 6.综合项目，对整个课程的整体掌握

通过综合项目评审，掌握面试技巧，提升专业自信。与就业服务部沟通进行城市和企业的选择，解决就业常见问题，开启就业服务阶段。