-Python开发环境搭建，Anaconda安装，PyCharm安装，Python环境配置，Python程序的调试和运行

-文件类型、编码规则、变量和常量、数据类型、运算符和表达式

-Python基础语法、变量、数据类型、表达式和运算符、分支结构、循环结构

-Jupyter使用，变量，数据类型，字符串，数值，布尔，列表，元祖，字典，集合，Python输入输出，Python循环，Python分支

-函数初步、细说参数、变量作用域、递归调用

-字符串相关-string、列表-list、 元组-tuple、 集合-set、 字典-dict

-文件基本操作、目录操作、文件和流、文件处理实例

-概述、类和对象、属性和方法、继承、重载、设计模式

-Python面向对象高级编程、面向对象编程基础、公有私有

-继承、组合 & Mixin、模块、模块概述

-搜索路径、Python正则表达式、 Python与数据库编程、 Python多进程与进程间通信

-异常处理、Pythonwin调试程序、Pycharm调试程序

-管理目录与文件；日志管理；Python文件管理案例；Python控制服务器

-Python多线程、 Python网络编程、 Python GUI编程，面向对象概述；封装；多态；Python开发环境搭建；网络编程；进程与线程

-Web基础与原理：Web程序工作原理、HTTP协议及浏览器渲染流程

-HTML核心：HTML5语义化标签、文档结构、表单及音视频嵌入

-CSS样式与布局：CSS3选择器、盒模型、Flex/Grid布局及响应式设计

-JavaScript编程：变量、函数、DOM操作、事件处理及ES6+基础语法

-前后端交互：Ajax原理、实现异步数据加载

-初识爬虫：什么是爬虫、爬虫的流程

-抓分析：charles及fiddler的使用

-获取内容：urllib、urllib3、requests等库的使用

-HTML解析：正则表达式、beautifulsoup4

-数据保存：保存为文件、保存进数据库

-基础爬虫实战：url管理器、html下载器、html解析器、数据存储器、爬虫调度器

-反爬与突破反爬虫：设置ip代理、验证码、动态渲染等

-Selenium框架

-初识Scrapy：Scrapy架构、创建项目、执行流程

-Scrapy基本使用：编写spider、使用item封装数据、pipline处理数据、标签提取、导出数据、下载图片和文件、中间件等

-增量式爬虫：重方案、布隆过滤器等

-分布式爬虫：redis基础、分布式爬虫原理、scrapy实现分布式爬虫

-部署爬虫：Scrapyd的安装及使用

-DDL（数据定义语言）：表创建、常用类型、表修改

-DML（数据操纵语言）：插入数据、更新数据

-DQL（数据查询语言）：基础查询、条件查询、排序、分组、子查询

-DCL（数据控制语言）：权限授予、权限回收

-MySQL 存储引擎：负责数据存储、读取、索引管理的核心组件，MySQL 支持多引擎共存、存储引擎操作

-MySQL 索引：索引类型、创建索引、查看索引

-事务管理：事务 ACID 特性、事务操作

-从复制与高可用：主库、从库、主从切换、集群方案

-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