第一階段－Python核心程式設計
2048遊戲
掌握Python流程控制語句，容器和函數等技術
在真實專案中體會Debug與代碼視覺化的價值
能在真實業務邏輯中運用Python核心語法開發
專案介紹：玩家可以選擇上下左右其中一個方向去滑動，每滑動一次，所有的數位方塊都會往滑動的方向靠攏外，系統也會在空白的地方隨機出現一個數位，相同數位在靠攏、相撞時會相加。
不斷的疊加最終拼湊出2048這個數字就算成功。
專案價值：
通過商業專案的標準，感受代碼的極致之美，獲取在面試過程中，介紹自己專案的技巧。
資訊管理系統
掌握物件導向封裝、繼承、多態等技術
瞭解軟件架構設計三大特徵與六大原則
能運用MVC架構思想搭建實際軟體結構
專案介紹：
可以根據使用者操作，實現資訊錄入、查詢、修改、刪除等功能
專案價值：
此專案是學習物件導向程式設計的經典案例，可以讓學生瞭解整個軟體結構，深刻體會物件導向設計思想。
第二階段－系統高級程式設計
群聊聊天室
運用網路通信技術，實現多人線上群聊功能，並且實現後臺消息推送功能。
專案介紹實現了進入聊天室之後就可以進行群聊，每個人發消息其他人可以收到。
同時還怎加了一個後臺推送消息的功能，管理員發送消息其他人可以收到。
專案價值：
這是一個課程中的專案，運用了網路和進程的知識，可以很好地串聯所學，也培養了專案程式設計思維。
Web Server
運用http協定知識，網路通信及IO 併發技術，搭建伺服器端的Web Server，帶你體驗自己搭建靜態網站的樂趣。
專案介紹：
實現了一個網路Web後端的模擬。
將專案部署後，我們可以通過PC或者手機的瀏覽器進行訪問，類似於一個靜態網站。
通過專案可以充分理解網站訪問的原理，為更全面的網站開發打下基礎。
專案價值：
這個專案也綜合運用了網路通訊協定，IO處理等後端開發支援。可以滿足多人訪問。
第三階段+第四階段－綜合電商專案
達達商城
六大標準電商核心： 商品搜索、購物車、訂單系統、協力廠商支付、使用者中心 ， 協力廠商授權系統
七大企業級技術解決方案： redis緩存、Celery非同步解決方案、 Haystack+Elasticsearch商品搜索、協力廠商授權【Oauth2.0】、協力廠商支付【支付寶】
Celery定時任務解決方案 + 協力廠商sms對接方案
專案介紹：達達商城是一個標準的B2C的電商專案，實現一個類似京東、天貓這種門戶級電商網站。系統採用了先進的互聯網開發技術，融合了微信登錄、支付寶、短信驗證、秒殺、大用戶量高併發等常用的功能。
專案價值：
掌握標準B2C電商、企業級Web開發設計方案
第五階段－資料分析與挖掘
財務資料分析
餐飲資料分析與視覺化
產品客戶及銷售資料分析
連鎖店銷售資料分析
企業投資資料分析
專案介紹：分析投資機構市場占比，分析投資風向，查看每一年的投資金額平均值，每一年投資回報率平均值。看投資整體趨勢與投資輪次的關係，根據投資及回報聚類，查看各機構投資類型等。
人力資來源資料分析與挖掘
專案介紹：拿到某公司1萬五千名員工基本資訊，分析員工離職的主要原因，構建模型，預測員工離職的可能性。
當項目數量為2,6,7時， 員工更容易離職。
項目數量為7 的員工全部離職。
當專案數量在3個以上時， 隨著專案數量的增加， 員工更容易離職。
工作時間較低的員工和工作時間較高的員工更容易離職。
工作時間在160-240小時之間的員工不容易離職。
離職的員工薪資幾乎都在低到中等水準，很少有高薪的員工離開公司。
離職員工的每月考核評分主要分為兩部分， 一部分考核評分較低，另一部分考核評分較高。
這也說明評分低的員工更容易離開公司，評分較高的員工也容易離開公司。
評分成績在0.6-0.8左右的員工不容易離開公司
離職員工分為三種：
第一種（努力工作但對公司不滿意）
第二種（評價不高對公司滿意度也低）
第三種 （評價高且對公司比較滿意）
航空公司客戶價值分析
專案介紹：本專案借助航空公司客戶資料，對客戶進行分類。
對不同的客戶類別進行特徵分析，根據業務分析區分無價值客戶，重要發展客戶，重點培養客戶，重點保持客戶，企業針對不同價值的客戶類別提供個性化服務，制定相應的行銷策略。
將有限的行銷資源集中于高價值客戶，實現企業利潤最大化目標
專案價值：
資訊時代的來臨使得企業行銷焦點從產品中心轉變為客戶中心，
聯通客戶流失預測分析、制定流失預警方案
專案介紹：客戶建模流失預測在許多領域都有廣泛的應用，本項目中我們拿到了聯通用戶的資料，來對客戶流失進行預測分析，分析客戶流失的原因，針對業務指標提升留存率，對於已經流失的客戶，改變產品運營策略拉回客戶
專案價值：
在當代手機已經完全普及的情況下，如何實現移動通訊業務增長，第一種方式就是將現有客戶價值最大化。
另外就是挖牆腳，搶資源，因此就出現了，聯通挖電信，電信搶移動，移動偷聯通的激烈競爭場面，直接後果就是客戶流失率增高。
優衣庫銷售資料分析
1、整體銷售情況和時間的關係
2、不同產品銷售狀況分析
3、顧客購物方式偏好分析
4、銷售額度、成本關係分析
某品牌廣告投入分析與銷售預測
專案介紹：對於快消品企業，能夠對商超門店的銷售額進行精准預測，尤其是能量化自身所能控制的各種促銷因素產生的結果
線上商城資料分析與視覺化
專案介紹：根據線上商城一年的銷售資料，進行以下探索：
1、運營情況以及主要客戶群體的特點，分析客戶品質
2、各國家的客戶在消費水準方面存在怎麼樣的差異？對這種差異制定針對性的運營策略
3、分析用戶行為。統計高峰時段，銷售旺季的月份
4、分析商品的單品退貨情況以及整體退貨情況
5、統計客戶的複購率、回購率，以及回流率等指標
動態爬蟲
掌握Ajax動態載入資料抓取
瞭解數據抓取原理、熟悉常用抓包工具
能應用動態載入爬蟲技術解決實際工程問題
專案介紹：
此專案是將招聘網站上的招聘資訊（比如騰訊招聘、拉勾網等）通過爬蟲技術抓取下來，拿到這些招聘資訊後我們就可以定向分析不同城市、不同職位的分佈情況，以及各個職位的薪資範圍等等，如果你是個人可以定向尋找適合自己的高薪職位，如果你是公司可以定向投放招聘資訊。
Selenium爬蟲
掌握基於Selenium的爬蟲技術
瞭解Selenium常用方法以及抓取原理
應用Selenium爬蟲技術解決實際問題
專案介紹：利用強大的Selenium工具來模擬我們人類打開瀏覽器瀏覽網頁的行為，來抓取某電商網站所有商品資料，比如抓取所有手機商品資訊，以及衣服、包包等相關資料資訊。
專案價值：
既作為公司專案的測試資料，也可以做相關價格及商家的資料分析。
分散式爬蟲
掌握分散式爬蟲原理及部署實現
能應用分散式爬蟲技術實現規模化資料抓取
專案介紹：
多台伺服器協同抓取，能夠極大提高資料抓取的效率，非常適合超大規模的資料獲取，整個互聯網上的資料盡收眼底。
專案價值：
之前是單兵作戰，即一台伺服器進行資料抓取，現在是規模化軍隊作戰，
第六階段－AI人工智慧
人臉檢測與人臉識別
專案介紹：人臉檢測指檢測中圖片中有沒有人臉、以及人臉的位置
人臉識別是對確定人臉身份，常用於實名認證、人臉考勤、人臉支付、失蹤人員尋找、逃犯抓捕等
掌握人臉檢測/人臉識別原理、常用模型以及模型搭建、訓練、調優等方法
瞭解常用人臉檢測/人臉識別檢測數據集、資料標注方式與原理、常用協力廠商庫
能應用人臉檢測/人臉識別解決實際工程問題
演員與角色比對：同一個人
兩版三國曹操比對：不是同一個人
光学字符识别（OCR）
專案介紹：光學字元辨識是從圖片中提取文字的一種技術，應用非常廣泛。
例如車牌識別、證件識別、拍照翻譯、拍照搜題、字元識別筆等等，極大便利我們的生活
掌握光學字元辨識原理、常用模型以及模型搭建、訓練、調優等方法
瞭解常用目標檢測資料集、資料標注方式與原理、熟悉常用資料標注工具
能應用OCR模型解決實際工程問題
票據識別
專案介紹：利用深度學習模型，實現高精度票據識別，從而實現紙質票據電子化。
類似功能還有證件識別、卡識別、發票識別等等。
目標檢測－利用目標檢測實現病蟲害識別
掌握目標檢測原理、常用模型（如R-CNN、YOLO3、SSD等）以及模型搭建、訓練、調優等方法
瞭解常用目標檢測資料集、資料標注方式與原理、熟悉常用資料標注工具
能應用目標檢測模型解決實際工程問題
專案介紹：目標檢測是檢測出圖像中有哪些物體，並進行定位。
該項目使用了流行的YOLO3模型實現目標物體檢測。
目標檢測的應用：自動體溫檢測、口罩檢測、車輛/行人跟蹤、智慧監控等等
圖像識別
掌握圖像分類原理、模型搭建、訓練、調優等方法
掌握主流深度學習框架搭建、訓練卷積神經網路方法
能應用圖像分類模型解決實際工程問題
專案介紹：
該專案為圖像分類、圖像識別問題。
圖像分類應用很廣，例如手寫體識別、貓狗分類、汽車識別、鮮花識別、害蟲識別等等
工業產品質檢系統
專案介紹：綜合利用各種圖像技術，實現工業產品品質檢測
該專案綜合利用影像處理技術，實現高準確度的工業產品品質檢測，檢測出有品質瑕疵的產品
該示例圖顯示了對膠囊產品氣泡檢測效果
圖像分割
專案介紹：利用圖像風格模型對街景進行分割和圖像場景理解，常用於自動駕駛、衛星遙感圖像分析、醫療輔助診斷、工業產品質檢等領域
文本情緒分析
專案介紹：文本情緒分析是自然語言處理的一個應用，旨在利用人工智慧技術分析文本中的情緒，是正面、中性或負面，在實際中有廣泛的應用，如：
1）輿情監測
2）根據財經報導、上市公司通報對股票預警
3）分析話題熱度
4）根據客戶留言分析滿意度
該頁示例表名，利用深度學習模型，能準確識別文本所表達的情感傾向（正面或負面）
主要應用有：
理解RNN/LSTM模型原理、優缺點、適用場景
理解文本情緒分析原理、實現方法。能利用常用深度學習平臺實現中文文本情緒分析
應用RNN/LSTM模型進行自然語言處理
Comments