-Numpy中的数据类型--ndarray数组的创建；Numpy数组基础：索引、切片、变形、分裂

-Numpy数组运算：通用函数；Numpy数组变形、拼接

-Numpy数组计算：广播、聚合、比较和掩码、数组排序

-Pandas对象简介：Series、Dataframe、Index；Pandas数据加载与存储

-Pandas数值运算方法：通用函数、聚合函数、遍历；Panda层次化索引

-Pandas数据处理：数据类型转换、缺失值处理、字符串转换；Pandas数据表的合并与连接；Pandas数据的累计与分组

-高性能Pandas：query（）、eval（）实现高性能运算

-Pandas数据规整化：清理、转换、合并、重塑；Pandas时间序列&金融数据处理

-绘图思想的基本原理；Python数据可视化包-Matplotlib介绍

-使用Matplotlib进行基本的图形绘制；使用Python数据处理包Pandas做可视化

-Python数据可视化包-Seaborn介绍与图形绘制

-Python数据可视化包-Pyecharts介绍与图形绘制

-使用Python进行地图绘制-Pyecharts；数据可视化技巧

-数据挖掘概要，数据挖掘方法论

-基础数据挖掘技术，进阶数据挖掘技术

-简单线性回归，多重线性回归，逻辑回归

-决策树分析，聚类分析，因子分析

-关联规则，时间序列分析

-机器学习框架

-模型评估方法，偏差与方差，混淆矩阵/准确率/精确率/召回率，ROC/AUC/F1

-特征提取(分类变量/文本/图像)，数据预处理(标准化/正则化)，线性回归， 一元/多元， 多项式

-线性回归，岭回归，随机梯度下降法，交叉验证

-逻辑回归，二分类，多分类

-K近邻算法，kNN回归，kNN分类

-决策树，回归数，分类树，模型参数网络搜索，随机森林

-朴素贝叶斯，高斯贝叶斯分类器，多项式贝叶斯分类器，伯努利贝贝叶斯分类器

-支持向量机，核函数，SVC，SVR

-人工神经网络，感知器，神经网络

-无监督学习聚类，Kmean

-集成学习方法，Adaboost，Gradientboosting，RandomForest

-关联分析-Apriori算法，频繁项集，关联规则

-关联分析-FP-growth算法，FP树

-深度学习简介，深度学习引入，深度学习历史，深度学习应用，TensorFlow

-TensorFlow入门计算模型，数据模型，运行模型，TensorFlow实现神经网络

-深度学习模型改进，MNIST数据处理，模型训练及对比，变量管理，模型持久化

-卷积神经网络，图像识别问题，卷积神经网络，卷积神经网络常用结构，典型卷积神经网络模型

-图像数据处理，TFRecord输入数据格式，图像数据处理，数据集框架

-Tensorflow高层封装，Keras，Estimator

-TensorBoard可视化，TensorBoard计算图可视化，监控指标可视化，高维向量可视化