达摩IT学院- 国内专业的IT技能学习分享平台

 找回密码
 立即注册
搜索
热搜: 活动 交友 discuz
查看: 47072|回复: 0

2020年5.0新版python视频教程【单独付费课程】

[复制链接]

5

主题

5

帖子

23

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
23
发表于 2020-5-8 15:05:34 | 显示全部楼层 |阅读模式

1.人工智能,是上升到国家战略发展高度的技术,是未来10年内会给世界带来颠覆性变化的技术。 全栈工程师,是IT工程师里面的瑞士军刀,是现代互联网产品公司掌控全局的技术专家。 Python+人工智能 在线就业班旨在培养学员成为以人工智能技术为核心,互联网产品为平台的 人工智能全栈工程师。

2.本课程是以Python语言为开发工具,内容覆盖了计算机原理、网络、Web前端、后端、架构、 数据库、项目部署、数据获取、数据提取、数据清洗、数据分析、数据挖掘、机器学习、深度学 习、图像识别等领域所需要的全部技术的前沿课程。
通过2018年Python官方年度报告清楚显示Python从业者的数据与现状、趋势与未来。我们看到 人工智能时代,Python从业者应该搭建两大知识体系:Web核心和人工智能-数据科学核心。掌 握量大核心,搭建完整知识体系,才是Python程序员职业发展的长期道路。

因此,本课程以两个就业核心方向+多领域就业能力培养为目标,推出全新5.0课程


课程版本号5.0

主要针对版本Python3 & Python2
主要使用开发工具Linux+Sublime+PyCharm+Jupyter Notebook
课程介绍历时近1年潜心研发,萃取百余位同行经验,推出全新的5.0课程。针对就业核心方向(Web、人工智能)做了大刀阔斧的项目改革。Web方向:全新【美多商城项目】、新增【黑马头条项目】,知识点”全“面覆盖,新增50+技术点。人工智能(数据科学方向):新增【黑马头条推荐系统项目】、【小智聊天机器人项目】,课程加”倍“,课时长度提升近一倍。且针对Python的其他6个方向(自动化测试、自动化运维、爬虫、数据分析、自然语言处理、图像处理),分别设计了全新的就业加强课,以满足不同需求的学生学习。
新增黑马头条项目
新增黑马头条推荐系统项目
新增小智聊天机器人项目
新增6个方向的就业加强课
更新全新美多商城项目,前台系统使用原生Django框架,后台系统使用DRF框架
更新全新学生管理系统案例替换飞机大战案例
更新机器学习基础课由3天扩充为8天,新增更多经典算法及典型案例
更新全新推荐系统基础课,扩充更多基础知识、案例、工具使用

3.课程截图:



4.试看连接:
链接:https://pan.baidu.com/s/1WZrTTxuJqdyEZz1N4Vb9OQ
提取码:t2ia



5.赞助方式:


这套课程为单独付款,如果需要联系qq1797875766,价格168元,并赠送本站一个终身VIP会员,
也可以自动开通本站终身VIP,就可以自动下载了

自动付款链接:https://www.wukongitxueyuan.com/pay
6.课程大纲

阶段一 : python编程基础(基础班)
Python 基础语法
计算机组成:硬件、软件、计算机运行程序方式、Python 语言的特点、应用领域、Python IDE、程序注释:单行注释、多行注释;变量的作用、定义、 命名规则、变量的数据类型、查看变量类型、输入和输入函数、算术运算符、赋值运算符、复合运算符、类型转换、分支结构 if...else 、循环结构、while、 break、continue、for、for...else
python 容器
字符串的定义、遍历、下标、切片、常用方法(find、 index、count、replace、split、capitalize、title、 startwith、endwith、lower、upper、ljust、rjust、 center 等)、列表定义、语法格式、列表嵌套、列表的遍历、列表常用操作方法、列表推导式、 元组定义、语法格式、常用操作方法、字典定义、语法格式、字典的遍历、常用操作方法、 字符串、列表、容器、字典的公共操作 :range 、enumerate、max、min、len 函数、del 函数; 运算符+、*、in、not in 在容器中的使用
函数和文件操作
函数定义和调用语法、def 语句、return 语句、函数传参(位置参数、关键字参数)、缺省参数、不定长参数、函数文档编写 、函数嵌套、全局变量和局部变量、Python 变量作用域 LEGB、global 语句,nonlocal 语句、组包和拆包、递归函数、 匿名函数 lambda 表达式、文件操作、文件打开与关闭、文件读写操作、文件目录操作
面向对象
类和对象、类的定义格式、添加和获取对象属性、常见的魔术方法、继承、公有权限和私有权限、多态的概念和意义、多态的实现、类属性和实例属性、 类方法和静态方法、异常的概念、捕捉异常、as 使用、else使用、finally 使用、异常的传递、自定义异常、raise 抛出异常、 模块的概念和作用、制作模块、模块的导入方式 、__all__的作用、__name__的作用、包的概念和作用、制作包、包的导入、案例:学生管理系统
市场价值 : 具备最基本的编程思维, 掌握基础的Python编程技术, 能够完成较小程序的开发,尚达不到企业的用人标准。




阶段二 : python高级编程和web基础(就业班)
Linux 操作系统
操作系统的作用、常见的操作系统、虚拟机使用、Linux 发行版系统、常用命令:文件、目录操作(创建、删除、复制、移动)、 权限属性修改,文件查找与检索、打包压缩、用户权限管理:添加删除用户,设置用户权限;远程操作 ssh、scp,软件安装与卸载,vim 编辑器
多任务编程
多任务的概念、执行方式、多进程:概念、作用、状态;进程创建、传参,multipro-cessing 模块,getpid()getppid()函数;daemon进程、 多线程:概念、作用;线程创建、传参,threading 模块,线程同步问题,互斥锁,死锁
Python 网络编程
网络知识:ip 地址、端口、网络通信过程,tcp 协议、网络编程:socket 套接字、tcp 服务端和客户端程序开发,send 和 recv 原理、 案例:多任务版 tcp 服务器
静态 web 服务器
HTTP 协议概念、浏览器访问 web 服务器的过程、url的概念和组成、HTTP 请求报文和响应报文格式、 案例:静态 web 服务器
HTML
HTML 介绍、基本结构,vscode 的使用、常用标签:标题、链接、图片、表格、列表、表单
CSS
css 的介绍、css引入方式、css 常用选择器、css 布局常用属性、css 文本常见属性、css 元素溢出设置、css 显示特性、盒子模型
JavaScript
JavaScript 介绍、JavaScript 的引入方式、JS 的基础语法、JS 变量和常量、数据类型、数据类型装换、 JS运算符、流程控制、分支结构、循环结构、函数、数组、字符串 String、JS 获取和设置元素标签属性,JS定时器、 jquery 介绍、jquery 选择器、jquery 选择集过滤,jquery 设置和获取元素属性内容、jquery 事件、事件代理、 JavaScript 对象、json、ajax
数据库 MySQL
数据库介绍、MySQL 数据库的安装使用、SQL 作用、数据类型和约束、图形化客户端 Navicat、命令行客户端使用、MySQL 数据库、数据表操作、 基本查询操作: as 、distinct、order by、limit、groupby、having、聚合函数、内连接、左连接、右连接、自连接、子查询、 数据库设计三范式、E-R 模型、外键的使用、分组聚合组合使用、修改表结构、事物、索引、PyMysql、Python 操作数据库
正则表达式
正则表达式介绍、匹配单个字符、匹配多个字符、匹配开头和结尾、贪婪模式和非贪婪模式,分组、re 模块:match 和 group 的使用
Python 进阶
闭包的介绍和语法格式、nonlocal 的使用、装饰器的介绍和语法格式、装饰器的基本使用、多个装饰器装饰一个函数、带参数的装饰器、类装饰器、 property 属性、with 上下文管理器、生成器的使用、深拷贝和浅拷贝
mini-web 框架
web 框架概述:框架和 web 服务器的关系、静态资源、动态资源、WSGI作用、框架的实现、模版 HTML 文件的替换、路由功能代码的实现、 从数据库查询数据并显示、logging 日志的使用
市场价值 : 掌握 Python 开发技术,可以满足企业开发的初级需求。




阶段三 : web-Django框架与项目(就业班)
Django框架
认识Web框架的作用、MVT与MVC、虚拟开发环境的创建与使用、认识Django、Django工程的创建、Django应用创建、 模型视图与模板的基本使用、路由配置、HttpRequest对象获取请求参数、构造HttpResponse响应对象、 cookie使用、session使用、函数视图与类视图的使用、类视图的原理、类视图装饰器的使用、 ORM的作用、数据库配置、Model模型类的定义、通过ORM进行数据增删改查操作、F对象与Q对象的使用、 一对一映射、一对多映射、多对多映射、Jinja2模板的定义、模板渲染、CSRF的攻击原理与防护、 中间件的原理、中间件的定义、管理后台admin站点的使用
Git
什么是版本控制、Git的工作分区、Git commit、Git分支、本地仓库与远程仓库、Github(或Gitee码云)的使用方法
redis
Nosql介绍、redis数据库特点、redis数据类型、redis常用命令、redis-py使用
前端框架Vue基础
认识Vue、Vue生命周期、Vue双向绑定、Vue基础语法、Javascript ES6语法
项目1:美多商城-用户前台
采用前后端不分离模式,使用Vue前端框架、电商业务采用B2C模式、采用云通讯短信发送功能、实现发送验证邮件进行邮箱验证机制、 定制Django认证系统完成多类型帐号登录、集成第三方登录(以QQ为例)、采用Celery完成异步任务、采用RabbitMQ消息队列、 电商SKU与SPU的讲解、构建页面静态化方案、使用crontab定时任务、采用Haystack+Elasticsearch构建商品搜索方案、 采用redis做缓存与session、购物车等数据存储、构建用户登录与未登录状态下购物车存储方案、采用FastDFS分布式文件存储系统、 采用支付宝支付、采用Docker完成组件安装、采用数据库事务与锁解决并发订单存储问题、配置数据库主从同步、实现数据库读写分离
Django RESTframework框架(DRF)
前后端分离模式、RESTful接口设计、DRF框架的作用、序列化与反序列化、序列化器的定义与使用、DRF的类视图使用、 DRF的视图集原理与使用、Postman接口测试工具的使用
前端框架Vue进阶
SPA单页面系统、Vue组件、Vue路由、Vue-cli工具、Element组件库
项目2:美多商城后台管理系统(MIS)
采用前后端分离模式,使用Vue组件构建SPA单页面系统、JWT认证、CORS解决跨域、构建用户权限管理方案、 实现用户、商品、订单等数据管理、实现日志管理、实现报表统计、Nginx+uWSGI部署
部署基础
项目生命周期、项目部署方案
Nginx
认识Nginx、Nginx部署与配置、反向代理、负载均衡、日志解析、URL重写
Docker
Docker镜像管理、Docker容器管理、Docker仓库、Docker数据管理、Docker网络管理、Dockerfile编写、Docker compose使用
架构与性能
架构演变、网站分析
市场价值 : Python Web开发工程师,独立开发后端业务,并能辅助开发前端业务。




阶段四 : Web-Flask框架与项目(就业班)
Flask框架
认识Flask、框架对比、Flask工程的创建与运行调试、Flask视图与路由、request对象使用、构造响应对象、 蓝图的使用、Flask应用上下文与请求上下文、请求钩子、异常处理
Flask-RESTful
Flask-RESTful视图与路由的定义、RequestParser的使用、marshal的使用、类视图装饰器的使用
项目3:黑马头条Web
采用前后端分离模式开发,对接手机App与PC Web三个前端、MySQL数据库分析设计与SQL建表、 ORM映射的本质原理、SQLAlchemy映射的构建、SQLAlchemy操作数据库、SQLAlchemy的优化用法、 数据库集群原理、分布式ID、Twitter Snowflake雪花算法构建分布式ID、Flask-SQLAlchemy定制实现读写分离、 Redis集群、Redis主从、Redis Sentinel哨兵、Redis事务、Redis持久化、 缓存设计原理、缓存穿透、缓存雪崩、缓存模式、缓存同步、数据混合存储、第三方对象存储、 采用Gitflow工作流、手动实现JWT中间件、JWT禁用问题处理、APSchedule定时任务的使用、 认识RPC、RPC与HTTP的对比、Protobuf接口定义、gRPC服务端与客户端的使用、 采用gRPC与kafka对接推荐系统与聊天机器人系统、认识IM即时通讯、Websocket原理、SocketIO用法、 SocketIO集成RabbitMQ用法、搜索引擎原理、Elasticsearch集群、Elasticsearch索引库构建、Logstash导入工具使用、 Elasticsearch查询、Elastcisearch自动补全、Elasticsearch Python程序开发、supervisor进程管理
市场价值 : 高级Python Web开发工程师,独立构建解决方案。




阶段五 : 人工智能机器学习编程(就业班)
机器学习(科学计算库)
人工智能概述、机器学习定义、机器学习工作流程、机器学习算法分类、算法模型评估、Azure机器学习平台实验、 机器学习基础环境安装与使用、Matplotlib架构介绍、Matplotlib基本功能实现、 Matplotlib实现多图显示、Matplotlib绘制各类图形、Numpy运算优势、数组的属性、数组的形状、Numpy实现数组基本操作、Numpy实现数组运算、矩阵、 pandas介绍、pandas基本数据操作、DataFrame、Series、MultiIndex、panel、pandas画图、 文件读取和存储、缺失值处理、数据离散化、数据合并、交叉表和透视表、分组和聚合、案例:电影数据分析
机器学习(算法篇)
sklearn介绍、sklearn获取数据集、seaborn介绍、数据可视化、数据集划分、 特征工程、特征预处理、归一化、标准化、特征选择、特征降维、 交叉验证、网格搜索、模型保存和加载、欠拟合、过拟合、 KNN算法、欧式距离、曼哈顿距离、切比雪夫距离、闵氏距离、标准化欧式距离、余弦距离、汉明距离、 杰卡德距离、马氏距离、KNN中k值的选择、kd树、案例:鸢尾花种类预测、 线性回归、求导、最小二乘法、正规方程、梯度下降法、FG、SGD、mini-batch、SAG、Lasso回归、岭回归、 Elastic Net、案例:波士顿房价预测、 逻辑回归、sigmoid、对数似然损失、混淆矩阵、精确率、召回率、F1-Score、ROC曲线、AUC指标、ROC曲线的绘制、 案例:癌症分类预测、决策树算法、熵、信息增益、信息增益比、基尼值、基尼指数、ID3、C4.5、CART算法、 案例:泰坦尼克号乘客生存预测、集成学习、boosting、Bagging、随机森林、GBDT、XGBoost、 案例:泰坦尼克号乘客生存预测优化、聚类算法、K-means聚类实现、SSE、“肘”方法、轮廓系数法、 CH系数、Canopy、Kmeans++、二分k-means、k-medoids、kernel kmeans、ISODATA、Mini-batch K-Means、 案例:探究用户对物品类别的喜好细分
机器学习项目实战
《绝地求生》玩家排名预测、客户价值分析系统、注:项目实训会随着社会热点调整
市场价值 : 对实际问题抽象为算法模型,对收集到的数据进行基本分析,构建有效的算法那模型。


阶段六 : 人工智能基于大数据的推荐系统项目(就业班)
推荐系统项目理论课
推荐系统定义、推荐系统应用场景、推荐系统算法概述、协同过滤、内容、知识、混合推荐、 协同过滤算法、User-Based CF、Item-Based CF、杰卡德相似系数、余弦相似度、皮尔逊相关系数、 电影评分推荐案例、评分预测标准化、推荐系统评估方法、用户调查、离线测评、在线测评、RMSE、MAE、 K-近邻协同过滤推荐、回归协同过滤推荐、交叉验证与网格搜索、矩阵分解的协同过滤推荐、LFM、Apriori、FP-Growth、 基于内容推荐、物品画像、TFIDF、TOPN、用户画像、物品标签、物品冷启动、word2vec
推荐系统项目lambda大数据开发
Hadoop简介、生态、发行版本、Hadoop shell命令、ls、cat、mv、put、rm、 文件系统HDFS、namenode、datanode、YARN运行流程、ResourceManager、NodeManager、Contain-er、Client、 MapReduce流程、WordCount案例、Spark组件、特点、pyspark使用配置、sparkContext、parallelize、sc.textFile、 Spark算子、Action、Transformation、map、filter、flatmap、union、intersection、groupByKey、 SPARK作业提交模式、Local模式、Standalone模式、Spark ON Yarn模式、Spark日志分析案例、 Spark sql与DataFrame、RDD、DataFrame操作API、withColumn、select、StructType、filter、 json文件操作、spark.read.json、Flume架构、Source、Channel、Sink、Flume采集端口数据案例、 Kafka架构、Topic、Producer、Consumer、Broker、安装与部署、生产者与消费者、Flume与Kafka整合、 sparkStreaming概述、WordCount案例实战、状态操作、updateStateByKey、对接Kafka
推荐系统项目
ABTest实验中心、流量分桶、点击日志参数添加、grpc协议封装、用户feed流、文章相似接口、 待推荐结果存储、历史推荐结果存储、redis推荐缓存、召回接口、在线排序接口、 实时日志分析、flume配置、kafka配置、新文章更新、热门文章更新、用户冷启动、在线内容召回、基于内容召回存储、 sqoop增量导入、incremental、lastmodified、check-column、last-value、Query、Append导入、shell脚本设置、 文章画像构建、文章词库与分词、原始文章数据合并、tfidf计算、textrank计算、全量文章相似度计算、 新文章实时相似度、文章word2vec计算、BucketedRan-domProjectionLSH、离线文章画像定时更新、 用户画像构建、用户标签权重计算、时间衰减系数、用户基础信息画像、用户画像定时更新、 离线召回、用户日志行为数据处理、StringIndexer、离线ALS召回、 排序模型实现、用户日志行为基础表过滤、画像行为合并、LR模型、GBDT模型、离线排序效果AUC、 推荐算法效果评估、离线HIVE点击率统计、模型更新与上线
市场价值 : 具备基于大数据基础上的推荐系统搭建与开发能力。


阶段七 : 6选1 就业增强课大礼包(就业班)
python数据采集
python测试开发
python运维开发
数据分析
深度学习与物体检测
NLP聊天机器人
深度学习和pytroch
深度学习和神经网络介绍、Pytorch的安装和入门使用、梯度下降和反向传播原理、案例:使用pytorch完成线性回归、 pytorch的数据加载方法、案例:Pytorch实现手写数字识别
循环神经网络
word embedding、案例:完成情感分类练习、循环神经网络、梯度爆炸和梯度消失原理和解决方法、 pytorch中的序列化容器、案例:使用循环神经网络完成情感分类
项目准备和fasttext实现意图识别
需求分析和项目流程介绍、语料准备和基础api的实现、常见意图识别的方法、fasttext的使用方法、 fasttext的原理、使用fasttext完成项目代码的封装
Seq2seq实现闲聊机器人
Seq2Seq模型原理、案例:使用Seq2seq完成基础的预测任务、使用seq2seq完成聊天机器人、 优化:使用attention优化模型效果、优化:使用BeamSearch优化预测效果
问答机器人实现
问答模型的介绍和流程分析、问答模型中召回模型的实现、优化:召回模型的优化、 问答模型中排序模型的实现、优化:排序模型的优化



特色项目石战:
实战1:美多商城
美多商城属于B2C电商,类似于京东自营、亚马逊自营等运营模式,商城自身销售商品给顾客。

美多商城前台由首页、商品列表页、商品详情页、商品搜索、购物车系统、订单系统、支付系统、评论系统、 用户中心等多个系统功能组成。

美多商城运营后台由用户管理、商品管理、订单管理、系统管理等功能组成,采用前后端分离模式,使用Python Web开发框架Django REST framework + 前端开发框架Vue 的SPA单页面系统实现。系统采用了当前主流的 RESTful接口设计,采用JWT的认证方案,并解决了权限管理问题。


实战2:黑马头条Web项目


黑马头条项目是一款汇集科技资讯、技术文章和问答交流的用户终端产品 。类似于今日头条,产品包含用户阅 读端App、作者自媒体运营端PC Web站点和系统运营管理后台PC Web站点三个部分。

黑马头条提供全平台应用,让用户轻松获取最新资讯,发布资讯文章。 项目独创推荐系统和智能客服。

黑马头条Web技术亮点
1. 前端与移动App和PC网页对接。

2. 采用Flask-RESTful作为后端开发框架。

3. 采用JWT完成用户认证。

4. 采用阿里大于短信服务。

5. 采用七牛对象存储服务。

6. 融入CORS跨域技术。

7. 采用RESTful接口设计。

8. 采用数据库主从同步机制,实现读写分离。

9. 采用Twitter的Snowflake雪花算法实现分布式ID。

10. 采用Redis Cluster集群和Redis主从+Sentinel哨兵。

11. 采用RabbitMQ作为消息中间件,配合Celery完成异步任务处理。

12. 采用gRPC与推荐系统和聊天机器人进行远程调用。

13. 采用Kafka作为消息中间件。

14. 采用APScheduler管理定时任务。

15. 采用Socket.IO实现IM即时通讯。

16. 采用Elasticsearch作为搜索引擎。

17. 采用Nginx反向代理实现负载均衡。


实战三:NLP小智聊天机器人项目


智能客服项目是一个自然语言处理的项目,实现的功能类似于电商等平台的智能客服。在用户遇到基础的问题 的时候,可以和智能客服进行基础的对话,从而解决问题,减少了人工客服的工作量。

整个项目涉及了70%的自然语言处理的知识点,包括分词、词向量的训练、seq2seq模型、attention、 BeamSearch等内容。整个项目使用Pytorch来实现,其中基础的内容包括pytorch使用方法等,会在项目之前 作为前置内容来进行系统的学习。

NLP小智聊天机器人技术亮点
1、 Ptorch中的api使用和Pytorch中数据加载方法

2、模型搭建方法、模型的训练和评估方法

3、梯度下降和反向传播原理

4、文本向量化的方法:词袋模型,one-hot编码,word embedding等

5、循环神经网络RNN,包括LSTM、GRU以及双向LSTM等

6、梯度爆炸和梯度消失原理和解决方法

7、RELU和ELU等激活函数

8、Batch Normalization 批标准化

9、文本分类和意图识别的常见方法

10、fastText的使用和原理

11、Seq2Seq的模型原理和模型的实现

12、注意力机制

13、BeamSearch

14、常见检索模型的实现方法和流程

15、基于簇修建的相似度计算类方法

16、基于tfidf的文本向量化方法

17、基于BM25的文本向量化方法

18、基于深度学习的文本向量化方法

19、孪生神经网络的搭建

20、深度模型中self-attenion的原理和实现

21、深度模型中池化方法原理和实战


实战4:爬虫项目库
为了提高学生在爬虫领域的实战经验,所以制作了爬虫项目库,其中包括如下内容: 12306 车票购买程序、代理池搭建、失信人名单采集、京东全网数据爬虫、斗鱼socket弹幕采集

爬虫项目库技术亮点
1、能够掌握复杂爬虫请求验证方法

2、能够掌握复杂爬虫过程中cookie等信息收

3、能够掌握大规模电商数据采集方法

4、能够自行搭建代理池,使用代理池完成反反

5、能够完成socket请求过程中数据的采

6、能够精通selenium完成复杂验证网站数据

7、能够使用Gerapy完成大规模爬虫的部署


实战5:黑马推荐系统项目
黑马头条推荐系统属于机器学习与深度学习推荐应用项目,类似今日头条、掘金等推荐。用户可以通过黑马头 条APP获取个性化推荐技术文章的效果。

黑马头条推荐建立在海量用户与文章之上,主要在Feed流推荐、相关推荐、猜你喜欢应用场景。黑马头条使用 Lambda架构整合实时计算和离线计算, 借助分布式环境提升计算能力,通过ALS、LR、Wide&Deep 等机器 学习与深度学习、推荐算法进行智能推荐。提高了优秀文章的点击率,增加热门文章和新文章的推荐占比,达 到千人千面的用户推荐效果。


黑马头条推荐系统技术亮点
1、 完整采用一套lambda大数据计算框架

2、 采用Flume进行日志采集工作

3、 采用Sqoop进行Mysql业务数据迁移

4、 使用hadoop分布式文件系统

5、 采用HIVE作为离线数据仓储

6、 采用Spark SQL作为离线分析工具

7、 采取Spark Streaming实现流式计算

8、 采用TFIDF与TextRank完成文章关键词计算

9、 采用spark LDA完成文章主题词计算

10、 采用spark Word2Vec模型计算文章向量



实战6:金融量化交易项目
量化交易(量化投资)是指借助现代统计学和数学(机器学习)的方法,利用计算机技术来进行交易的证券投资方式。 量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化 这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的、稳定且高于平均收益的超额 回报。

本项目利用米筐量化交易平台,详细介绍股票数据获取,策略模型建立,模型回测,策略模拟,实盘等策略建 立的全部过程,在创建策略的过程中,掌握主观策略的系统性量化方法,策略修正优化的思路方法,获得量化 交易中的各种实战技巧。

金融量化交易技术亮点
1、 多因子策略流程

2、 因子数据处理(去极值,标准化,市值中性化)

3、 Alphalens进行因子有效性分析

4、 回归算法选股

常见问题

本课程学完之后可以胜任哪些岗位的工作?

问题一  本课程覆盖web全栈开发、爬虫开发、数据科学3个领域内容,完成全部课程 的学习,可以胜任 python 工程师、python web开发工程师、python 全栈 工程师、python 数据爬虫工程师、数据分析工程师、算法工程师、机器学习 工程师等岗位

2.问题二 学习本课程是否需要编程基础?

本课程内容设计完全面向0编程基础的学员设计,不需要任何编程基础就可以学习,只要求日常的计算机使用能力
游客,如果您要查看本帖隐藏内容请回复

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|达摩IT学院

GMT+8, 2020-6-1 13:44 , Processed in 0.048682 second(s), 18 queries .

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表