Python产业规模日益增大，行业技术持续变革，老技术不能适应新需求，千锋python全栈课融合人工智能，Python教学课程突破10大新领域。
| 设计模式讲解 |
率先推出设计模式讲解，Python Web结合设计模式教学，增加学员在面试和工作中的竞争力。 |
| restful开发内容 |
就业不是最终目的，打好未来5年的发展根基更重要，千锋Python率先融合restful内容，让学员在工作中能保持长足晋升动力。 |
| web开发云端部署 |
起步薪资比肩2年从业者的根源是技术比肩2年从业者，千锋python结合阿里云，把web项目部署到云端，让项目真正上线可访问。 |
| 热点痛点 |
千锋Python覆盖web开发、爬虫、人工智能等就业方向，并针对几大就业方向细化学习要点，真正满足企业需求。 |
| 爬虫分布式搜索引擎实现 |
传统Python开发人员早已触摸天花板而无法突破瓶颈，千锋结合爬虫新技术，全面增强数据抓取和搜索技能。 |
| 系统学习python2.x与python3.x |
python2和python3在企业中各有应用，千锋Python全面讲解和对比两个版本的异同和用途，更好的满足企业需求。 |
| 数据库全覆盖 |
近年除mysql为代表的关系型数据库，redis和MongoDB为代表的非关系型数据库也大规模发展和应用，千锋python率先覆盖所有类型数据库，教授最新数据库知识。 |
| 深入讲解linux系统 |
Linux作为企业主流操作系统，应用领域广泛，千锋python引入Linux课程，真实还原企业开发环境与流程。 |
| 机器学习案例优化 |
教授最贴近企业实战的机器学习案例，例如人脸识别，手写数字识别，汽车车牌号识别等。 |
| 全栈教学 |
python课程全面涵盖前端、后端、爬虫、数据挖掘、人工智能等课程，致力于培养python全能工程师，打造一才多用的复合型人才。 |
IT行业，技术要比学历、年龄、从业经验更为重要，技术水平直接决定就业薪资。
Python语言基础：
掌握能力：“Python 语言程序设计”科目、掌握数据库、掌握基本爬虫、掌握多线程多进程开发能力
掌握能力：胜任基本的python开发工作、平均薪资￥8000
Python web开发：
掌握能力：掌握前端知识、掌握python三大后端框架、独立开发网站
掌握能力：胜任web全栈开发工作、平均薪资￥10000
Python爬虫：
掌握能力：掌握Python爬虫技术、掌握多线程爬虫技术、掌握分布式爬虫技术
掌握能力：胜任爬虫工作、平均薪资￥12000
Python数据分析：
掌握能力：掌握Python数据分析、掌握Python数据可视化、掌握Python机器学习
掌握能力：胜任数据分析和人工智能、平均薪资￥15000
…………………………………………先上视频教程…………………………………
……………………………………………………Python学习路线…………………………………………………………
阶段一Python语言
熟练掌握Python多线程并发编程技术，可以编写爬虫程序和语音识别软件。
1.1基础语法
| 1.1.1 python概述 | 1.1.24函数 1.1.24.1函数概述1.1.24.2最简单的函数(无参无返回值)1.1.24.3函数的参数1.1.24.4函数的返回值1.1.24.5传递参数1.1.24.6关键字参数1.1.24.7默认参数1.1.24.8不定长参数1.1.24.9匿名函数1.1.24.10歌词解析小项目1.1.24.11装饰器1.1.24.12偏函数 |
1.1.31语音 1.1.31.1语音合成1.1.31.2语音模块1.1.31.3语音控制1.1.31.4语音控制窗体1.1.31.5键盘模拟1.1.31.6鼠标模拟1.1.31.7语音控制飞机大战游戏 |
| 1.1.2数据的存储 | ||
| 1.1.3软件安装 | ||
| 1.1.4第一个Python程序 | ||
| 1.1.5注释 | ||
| 1.1.6输出与输入 | ||
| 1.1.7标识符 | ||
| 1.1.8 Python数据类型 | ||
| 1.1.9变量与常量 | 1.1.32递归 | |
| 1.1.10 Number(数字) | 1.1.33栈与队列 | |
| 1.1.11运算符与表达式 | 1.1.34目录遍历 1.1.34.1递归遍历目录1.1.34.2栈模拟递归遍历目录(深度遍历)1.1.34.3队列模拟递归遍历目录(广度遍历) |
|
| 1.1.12 String(字符串) | ||
| 1.1.13布尔值与控制 | ||
| 1.1.14 list(列表) | 1.1.25变量的作用域 | |
| 1.1.15 tuple(元组) | 1.1.26异常处理 | 1.1.35时间相关模块(time、datetime、calendar) |
| 1.1.16条件控制语句 | 1.1.27文件操作 | 1.1.36模块 1.1.36.1模块概述1.1.36.2使用标准库中的模块1.1.36.3使用自定义模块1.1.36.4 __name__属性1.1.36.5包1.1.36.6安装第三方模块 |
| 1.1.17循环语句 | 1.1.28 os模块 | |
| 1.1.18 break与continue语句 | 1.1.29窗口控制 | |
| 1.1.19 dict(字典) | 1.1.30内存修改 | |
| 1.1.20 set | ||
| 1.1.21类型转换 | ||
| 1.1.22迭代器与生成器 | ||
| 1.1.23 turtle绘图模块 |
1.2 面向对象
| 1.2.1 第一个Python类(创建类) | 1.2.8访问限制 | 1.2.15动态给示例添加属性与方法并使用__slots__ |
| 1.2.2 使用类实例化对象 | 1.2.9单继承的实现 | 1.2.16 @property |
| 1.2.3 访问对象的属性与方法 | 1.2.10多继承的实现 | 1.2.17运算符重载 |
| 1.2.4 对象的初始状态 | 1.2.11人开枪射击子弹小案例 | 1.2.18发邮件与发短信 |
| 1.2.5 self | 1.2.12多态 | 1.2.19银行自动提款机系统实战 |
| 1.2.6析构函数 | 1.2.13对象属性与类属性 | |
| 1.2.7重写__repr__与__str__函数 | 1.2.14 类方法与静态方法 |
1.3 高级课程
| 1.3.1 tkinter实战演练 | 1.3.14远程控制Windows | 1.3.17爬虫简介 1.3.17.1爬虫基础简介1.3.17.2 urllib爬取网页1.3.17.3爬取到的网页直接写入文件1.3.17.4模拟浏览器1.3.17.5设置超时1.3.17.6 HTTP请求1.3.17.7 Get请求1.3.17.8 JSON数据解析1.3.17.9 Post请求1.3.17.10抓取网页动态Ajax请求的数据1.3.17.11嗅事百科爬虫 |
| 1.3.2使用tkinter实现目录树装层级 | 1.3.15密码破解 1.3.15.1排列1.3.15.2组合1.3.15.3排列组合1.3.15.4暴力破解 |
|
| 1.3.3读写csv文件 | ||
| 1.3.4读取PDF文件 | ||
| 1.3.5 Word自动化办公 | ||
| 1.3.6 Excel自动化办公 | ||
| 1.3.7 ppt自动化办公 | 1.3.16正则表达式 1.3.16.1原始方式判断是否是手机号码1.3.16.1正则规则1.3.16.1 re模块简介1.3.16.1正则表达式的元字符1.3.16.1 re模块深入 |
|
| 1.3.8播放音乐 | ||
| 1.3.9修改背景图片 | ||
| 1.3.10 Python2与Python3的区别 | ||
| 1.3.11高阶函数(map与reduce、filter、sorted) | ||
| 1.3.12单元测试 | ||
| 1.3.13文档测试 |
1.4 经典课程
| 1.4.1多任务原理 | 1.4.4进程VS线程 |
| 1.4.2进程 1.4.2.1进程简介1.4.2.2单任务现象1.4.2.3启动进程实现多任务1.4.2.4父子进程的先后顺序1.4.2.5全局变量在多个进程中不能共享1.4.2.6启动大量子进程1.4.2.7拷贝文件1.4.2.8多进程实现拷贝文件1.4.2.9封装进程进对象1.4.2.10进程间通信(Queue) |
1.4.5协程 1.4.5.1协程简介1.4.5.2协程原理1.4.5.3数据传输1.4.5.4生产者与消费者 |
| 1.4.6 MySQL 1.4.6.1 MySQL安装1.4.6.2 MySQL简介1.4.6.3 MySQL基本命令1.4.6.4 MySQL与Python交互(增删改查) |
|
| 1.4.3线程 1.4.3.1线程简介1.4.3.2启动一个线程1.4.3.3线程间共享数据1.4.3.4线程锁解决数据混乱1.4.3.5 ThreadLocal1.4.3.6信号量控制线程数量1.4.3.7线程凑数执行1.4.3.8定时线程1.4.3.9线程通信1.4.3.10生产者与消费者1.4.3.11线程调度 |
|
| 1.4.7 MongoDB 1.4.7.1 MongoDB简介1.4.7.2 MongoDB安装1.4.7.3 MongoDB基本命令1.4.7.4 MongoDB与Python交互(增删改查) |
|
| 1.4.8 Redis 1.4.8.1 Redis简介1.4.8.2 Redis安装1.4.8.3 Redis基本命令1.4.8.4 Redis与Python交互(增删改查)1.4.8.5 使用Redis的Sorted-set1.4.8.6 使用Redis的发布订阅 |
阶段二linux初级
学成阶段二：熟练掌握Linux操作系统管理技术，可以搭建几乎所有Linux环境服务器
Linux系统基本指令
| 2.1.1 linux系统安装 2.1.1.1VirtualBox安装和Vmware安装2.1.1.2网卡配置、ssh远程登录2.1.1.3Linux系统发展史2.1.1.4Linux发行版本、镜像源2.1.1.5简单指令操作（cd、ls、pwd、ifconfig、ping、poweroff、halt、shutdown、reboot、date、cal）2.1.1.6linux目录结构介绍2.1.1.7常见文件系统 |
2.1.2 linux基本指令 2.1.2.1ls指令详解2.1.2.2vi编辑器使用2.1.2.3文件操作相关指令2.1.2.4用户和组2.1.2.5文件权限2.1.2.6文件搜索（find）2.1.2.7文件内容搜索（grep）2.1.2.8管道2.1.2.9搭建主机信任2.1.2.10重定向2.1.2.11挂载2.1.2.12磁盘管理2.1.2.13scp2.1.2.14软硬链接2.1.2.15压缩解压2.1.2.16服务和进程2.1.2.16.1linux运行等级2.1.2.16.2chkconfig2.1.2.16.3top、w、free、ps、kill、netstat2.1.2.17下载2.1.2.18软件安装2.1.2.18.1yum安装2.1.2.18.2rpm安装2.1.2.18.3源码安装2.1.2.19shell简介2.1.2.20screen2.1.2.21crontab2.1.2.22awk2.1.2.23sed |
2.2 常用服务安装
| 2.2.1samba服务搭建 | 2.2.4nginx服务搭建 2.2.4.1nginx服务搭建2.2.4.2nginx配置文件介绍2.2.4.3nginx虚拟主机配置 |
| 2.2.2服务搭建 | |
| 2.2.3ftp服务搭建 |
阶段三Web开发之Django
学成阶段三：掌握三大Python后端框架，解决一切前后端Web开发问题
3.1 HTML基础
| 3.1.1 网站基础，网页组成 | 3.1.5 语法，常用标签 3.1.5.1 基本标签3.1.5.2 标签中的转义3.1.5.3 列表3.1.5.4 超链接，图片3.1.5.5 路径（相对和绝对） |
3.1.6 表格 |
| 3.1.2 html规范，常用开发工具 3.1.2.1 开发工具常用功能3.1.2.2 快捷键 |
3.1.7 表单 3.1.7.1 表单的概念3.1.7.2 简易服务器接收数据3.1.7.3 get和post的区别 |
|
| 3.1.3 html文档基本结构 3.1.3.1 注释 |
||
| 3.1.4 html调试工具 |
3.2 CSS基础
| 3.2.1 CSS介绍CSS语法 | 3.2.4 选择器的权重 |
| 3.2.2 CSS样式引入 3.2.2.1 内联 3.2.2.2 内部 3.2.2.3 外部 3.2.2.4 默认样式表的优先级 |
3.2.5 CSS核心属性 3.2.5.1 文本属性 3.2.5.2 列表属性 3.2.5.3 边框属性 3.2.5.4 背景图 3.2.5.4.1 web上常用图片格式 3.2.5.5 浮动 3.2.5.6 清除浮动 |
| 3.2.3 选择器 3.2.3.1 选择器语法 3.2.3.2 常用选择器，id，class，群组，通配… 3.2.3.3 伪类选择器 |
3.3 CSS基础
| 3.3.1 盒子模型 3.3.1.1 padding 3.3.1.2 margin 3.3.1.3 怪异盒模型 |
3.3.3 元素类型 3.3.3.1 元素分类 3.3.3.2 显示特点 3.3.3.3 元素类型转换 |
3.3.5 Photoshop 3.3.5.1 介绍，创建新窗口 3.3.5.2 使用拖拽，移动，选项框 3.3.5.3 图层的概念 3.3.5.4 使用辅助线 3.3.5.5 使用切片工具 3.3.5.6 使用颜色拾取工具 |
| 3.3.2 内容溢出 3.3.2.1 容器溢出 3.3.2.2 文本溢出 3.3.2.3 省略号 |
3.3.4 定位 3.3.4.1 定位属性 3.3.4.2 坐标系，相对定位，绝对定位3.3.4.3 元素层叠 |
3.4 JS
| 3.4.1 JS 基础 3.4.1.1 JS概念 3.4.1.2 JS组成3.4.1.2.1 ECMAScript3.4.1.2.2 BOM3.4.1.2.3 DOM 3.4.1.3 JS引入3.4.1.3.1 JS标签3.4.1.3.2 头部3.4.1.3.3 外部3.4.1.3.4 body中 3.4.1.4 JS输出3.4.1.4.1 alert3.4.1.4.2 document.write()3.4.1.4.3 console.log 3.4.1.5 JS变量3.4.1.5.1 关键字3.4.1.5.2 数据类型3.4.1.5.3 命名规范3.4.1.5.4 类型转换3.4.1.5.5 运算符 3.4.1.6 分支3.4.1.6.1 if3.4.1.6.2 switch 3.4.1.7 循环3.4.1.7.1 for3.4.1.7.2 while |
3.5 JS
| 3.5.1 JS数组 3.5.1.1 排序 |
3.5.6 JS中的DOM对象 3.5.6.1 DOM对象查找 3.5.6.2 DOM对象动态改变 3.5.6.3 DOM对象动态创建 3.5.6.4 DOM对象克隆 |
3.5.7 JS中的事件 3.5.7.1 鼠标事件 3.5.7.2 键盘事件 3.5.7.3 浏览器事件 |
| 3.5.2 JS 字符串 | ||
| 3.5.3 JS中的对象Object | ||
| 3.5.4 JS中的Date | ||
| 3.5.5 JS中的定时器 |
3.6 动画
| 3.6.1 API文档查看 | 3.6.3 转换 | 3.6.5 CSS3 |
| 3.6.2 动画 | 3.6.4 过渡 | 3.6.6 HTML5 |
3.7 jQuery
| 3.7.1 初识jQuery | 3.7.3 jQuery选择器 | 3.7.5 jQuery 属性 |
| 3.7.2 jQuery核心 | 3.7.4 jQuery筛选 |
3.8 jQuery
| 3.8.1 jQuery文档处理 | 3.8.3 jQuery事件 |
| 3.8.2 jQuery CSS | 3.8.4 jQuery 效果 |
3.9 jQuery
| 3.9.1 jQuery Ajax | 3.9.3 Swiper |
| 3.9.2 轮播 | 3.9.4 jQuery Mobile |
3.10 Bootstrap
| 3.10.1 Bootstrap介绍 | 3.10.5 按钮，图片，清浮动 |
| 3.10.2 栅格系统 | 3.10.6 字体图标，下拉菜单 |
| 3.10.3 文本 | 3.10.7 导航，输入组 |
| 3.10.4 表单 |
3.11 Django
| 3.11.1 Web技术介绍 | 3.11.3 开发环境 | 3.11.5 Django MTV流程 |
| 3.11.2 MVC，MTV | 3.11.4 Django项目目录结构 |
3.12 Model
| 3.12.1 Model的创建 | 3.12.3 Model的后台管理，admin | 3.12.5 自定义Model管理器 |
| 3.12.2 ORM介绍 | 3.12.4 Model 管理器提供的方法 |
3.13 View
| 3.13.1 View配置 | 3.13.3 url反向解析 | 3.13.5 COOKIE和SESSION |
| 3.13.2 获取参数 | 3.13.4 请求和响应 |
3.14 Template
| 3.14.1 模板处理过程 | 3.14.3 模板中的标签 | 3.14.5 模板中的继承，包含 |
| 3.14.2 模板中的变量 | 3.14.4 模板中过滤器，注释 | 3.14.6 CSRF和中间件 |
3.15 高级控件和第三方
| 3.15.1 静态资源配置 | 3.15.3 图片上传 | 3.15.5 验证码 |
| 3.15.2 面向切面编程AOP | 3.15.4 分页加载 | 3.15.6 富文本 |
3.16 Django项目实战
| 3.16.1 Django博客 | 3.16.3 在线教育网站开发 | 3.16.5 大型家用电器商城Rest接口开发 |
| 3.16.2 Django聊天室 | 3.16.4 移动电商平台 |
阶段四Web开发之Flask
学成阶段四：掌握三大Python后端框架，解决一切前后端Web开发问题
4.1 基于Flask框架进行的Web后端开发
| 4.1.1 Flask入门 | 4.1.3 Flask表单 | 4.1.5 Flask常用扩展 |
| 4.1.2 Flask模板 | 4.1.4Flask数据库 |
4.2 Flask项目实战
| 4.2.1 项目目录结构 | 4.2.3 用户资料管理 | 4.2.5 博客分页显示 |
| 4.2.2 用户注册认证 | 4.2.4 博客发表回复 | 4.2.6 生产环境部署 |
阶段五Web框架之Tornado
5.1 Tornado的基本概念
5.2 Request 和 Response
5.3处理异步请求
5.4 Tornado客户端
5.5 异步框架celery介绍
5.6 使用celery执行异步任务
5.7 部署celery程序
阶段六docker容器及服务发现
6.1 docker的基础知识
| 6.1.1 docker的概念、安装 | 6.1.4 容器端口映射 | 6.1.7 创建自己的镜像以及上传 |
| 6.1.2 镜像的下载、删除、管理 | 6.1.5 容器文件映射 | 6.1.8 docker compose |
| 6.1.3 容器启动、停止、删除、控制 | 6.1.6 Dockerfile | 6.1.9 docker在实际项目中的应用 |
6.2 服务发现
| 6.2.1 服务发现基本概念 | 6.2.2 Kubernetes介绍 | 6.2.3 服务发现的应用 |
阶段七爬虫
完成阶段七：掌握分布式多线程大型爬虫技术，能开发企业级爬虫程序
7.1 网络爬虫基础知识
| 7.1.1 爬虫的定义 | 7.1.3 Http 协议 |
| 7.1.2 爬虫的作用 | 7.1.4 基本抓包工具(Fiddler)使用 |
7.2 Python 模块实现爬虫
| 7.2.1 urllib3、requests、lxml、bs4 模块大体作用讲解 | 7.2.4 使用 requests 模块获取 ajax 动态页面数据 |
| 7.2.2 使用 requests 模块 get 方式获取静态页面数据 | 7.2.5 使用 requests 模块模拟登录网站 |
| 7.2.3 使用 requests 模块 post 方式获取静态页面数据 | 7.2.6 使用 Tesseract 进行验证码识别 |
7.3 Scrapy框架与Scrapy-Redis
| 7.3.1 Scrapy 爬虫框架大体说明 | 7.3.4 Scrapy CrawlSpider 类 |
| 7.3.2 Scrapy spider 类 | 7.3.5 通过 Scrapy-Redis 实现分布式爬虫 |
| 7.3.3 Scrapy item 及 pipeline |
7.4 借助自动化测试工具和浏览器爬取数据
| 7.4.1 Selenium + PhantomJS 说明及简单实例 | 7.4.3 Selenium + PhantomJS 实现动态页面数据爬取 |
| 7.4.2 Selenium + PhantomJS 实现网站登录 |
7.5 爬虫项目实战
| 7.5.1 分布式爬虫 + Elasticsearch 打造搜索引擎 |
阶段八数据挖掘和人工智能
学成阶段八：成为Python数据挖掘分析师，进入人工智能领域，成为IT市场最前沿人才
8.1 numpy数据处理
| 8.1.1 Ipython入门 | 8.1.2 numpy导入 | 8.1.3 ndarray属性与基本操作 |
8.2 pandas-1
| 8.2.1 什么是Series | 8.2.2 什么是DataFrame | 8.2.3 DataFrame的数据丢失处理 |
8.3 pandas-2
| 8.3.1 pandas层次化索引 | 8.3.2 pandas 拼接操作 | 8.3.3 美国各州人口数据分析 |
8.4 pandas-3
| 8.4.1 pandas数据处理 | 8.4.2 pandas绘图函数 |
8.5 scipy
| 8.5.1 scipy安装 | 8.5.3 scipy 高数积分 |
| 8.5.2 scipy实现登月图片消噪 | 8.5.4 scipy图像处理ndimage |
8.6 matplotlib
| 8.6.1 图像的灰度化处理 | 8.6.3 matplotlib风格和样式 |
| 8.6.2 matplotlib基础知识 | 8.6.4 matplotlib四图 |
8.7 pandas-4
| 8.7.1 pandas读取数据 | 8.7.3学生使用pandas练习数据处理 |
| 8.7.2 pandas 透视表和交叉表 |
8.8 KNN算法
| 8.8.1 KNN算法原理 | 8.8.3 KNN回归案例 |
| 8.8.2 KNN入门案例 | 8.8.4 KNN分类案例 |
8.9线性回归&逻辑斯蒂回归算法
| 8.9.1 导数回顾 | 8.9.3 实例糖尿病的线性回归 | 8.9.5 岭回归与Lasso回归 |
| 8.9.2 线性回归原理 | 8.9.4 矩阵的回顾 | 8.9.6 逻辑斯蒂回归算法 |
8.10决策树算法&朴素贝叶斯算法
| 8.10.1 决策树原理 | 8.10.3 贝叶斯原理 |
| 8.10.2 决策树实例 | 8.10.4 贝叶斯实例 |
8.11 SVM支持向量机&聚类k-means算法
| 8.11.1 SVM原理 | 8.11.3 K-Means算法原理 |
| 8.11.2 SVM 实例 | 8.11.4 K-Means算法实际应用案例 |
8.12 python数据分析项目实战
| 8.12.1 美国各州人口数据分析 | 8.12.2 美国大选候选人政治献金解密 | 8.12.3 天气数据分析与可视化 |
8.13 机器学习项目实战
| 8.13.1 人脸识别 | 8.13.3 预测年收入 | 8.13.5 使用聚类手写数字识别 |
| 8.13.2 手迹识别 | 8.13.4 自动脸补全 | 8.13.6 汽车车牌识别 |