一、Python核心编程
课程内容：Python语言基础、MySQL、项目实战、Linux、阶段考核。
培养方向：
前期通过学习常量、变量的使用，运算符的使用，流程控制的使用，函数的定义和使用，容器处理方法，字符串处理方法，日期时间处理方法等，掌握Python编程语言基础内容；中期主要涉及OOP基础知识，学习后应该能自己处理OOP问题，具有初步软件工程知识并树立模块化编程思想；后期通过一个游戏案例，将之前所学到的知识串连起来，达到兴趣引导、学以致用的目的。
掌握Linux操作系统常用命令，掌握Linux操作系统的基础知识，掌握Linux自动化运维技巧，掌握服务器集群的负载均衡技术，解决网站高并发访问、高负载，挑战大型网站系统架构设计，掌握Shell脚本的编写。
了解什么是数据库，掌握数据库的安装和配置，掌握数据库的创建和删除，掌握数据表的创建、修改和删除，掌握使用SQL语句来查询数据，掌握数据库管理员日常操作。
通过游戏案例，以兴趣为导向，激发学员的学习兴趣。所选案例贯穿了基础阶段所学习的大多数知识点。
考核学员本阶段学习情况，指导学员学习方式和方法，并针对后续课程的学习给予指导和建议。
二、全栈开发
课程内容：Web编程基础、Django框架、项目实战、阶段考核、Flask框架、Tornado框架。
培养方向：
掌握前端网站开发流程，掌握网站的基本结构，能够使用BootStrap、Vue等当前流行的前端开发技术进行企业级前端页面的开发。
熟练掌握Flask框架的使用，熟练掌握Flask项目蓝图的使用，熟练掌握Flask-SQLAlchemy操作及维护表关系，能够独立完成企业商务网站项目模型设计和开发，并且独立完成项目部署。
认识了解Django，掌握Django知识点，熟练使用Django，独立完成Django项目的开发部署。
了解掌握Tornado，掌握Tornado的使用,通过Tornado快速搭建数据检索平台，*括全文检索含义、ES全文检索逻辑。
将学员之前阶段所学习的大多数知识点融入到项目中复习，并且配合项目讲解新的内容，用真实的企业项目，使学员掌握真正的开发流程和技术。
考核学员本阶段学习情况，指导学员学习方式和方法，并针对后续课程的学习给予指导和建议。
三、网络爬虫
课程内容：数据爬取、验证码破解、破解加密、Fiddler工具、数据的存储、多线程爬虫、Scrapy框架、Scrapy-Redis分布式、代理池和Cookie池、项目实战、阶段考核。
培养方向：
掌握爬虫的原理以及使用requests模块进行数据的爬取步骤和方法。掌握爬虫页面的登录方法以及设置代理来进行数据爬取。熟练使用正则这个强大文本匹配工具来进行数据的提取。使用xpath语法来进行页面数据的快速提取。*网站的反爬的措施，进而能够应对网站各种各样的反爬措施，提高反爬能力。*使用selenium强大的工具来针对页面数据是js异步获取的加密网站的爬取方法。
掌握selenium的高级操作（鼠标动作链、显式等待、模拟页面进行滑动点击操作）。*使用打码平台对图片验证码进行处理的方法。*如何使用代码的方式进行滑动验证码破解。*rpa机器人的原理以及调用百度AI接口的方法。
掌握js加密破解的分析方法，*使用chrome浏览器的debug功能来对js进行调试的方法。*如何判断页面是css加密以及解密方法。*base64编码的原理以及如何进行base64编码的破解。
*如何配置Fiddler来进行对网页数据的爬取和项目的分析。*如何配置模拟器和Fiddler来进行对app数据的爬取。掌握使用Fiddler脚本进行数据抓取的方法。
掌握MongoDB数据库的安装和启动方法。掌握使用MongoDB数据库进行数据存储的方法。
掌握使用队列来进行多线程爬虫开启的方法。掌握生产者消费者模式来进行数据爬取的方法。
掌握scrapy的组件和数据流转的过程。掌握scrapy基础的命令。掌握scrapy开发爬虫的流程。掌握spider组件的基础属性和方法的原理。
掌握scrapy中间件的原理以及下载中间件进行代理设置，自定义爬取和请求头设置的方法。掌握使用scrapy如何发送post请求。掌握scrapy提供的文件下载和图片下载的pipeline来进行文件和图片下载的方法。
掌握scrapy-redis分布式原理。掌握scrapy-redis分布式爬虫项目的部署方法。掌握增量爬虫的原理以及设置增量爬虫的方法。掌握爬虫监控的原理以及监控方法。
了解代理池的架构设计思想。掌握代理池的使用方法。了解cookie池的架构设计思想。了解cookie的使用方法。
熟练掌握使用Scrapy框架和MongoDB实现海量数据的爬取。
考核学员本阶段学习情况，指导学员学习方式和方法，并针对后续课程的学习给予指导和建议。
四、人工智能
课程内容：数据分析、机器学习、深度学习、深度学习框架-Pytorch、深度学习框架、项目实战及考核、阶段考核。
培养方向：
理解随机变量的数字特征的概念和性质。会利用性质计算随机变量的数字特征。掌握数据分析涉及到的相关概念，了解如何获取数据以及特征工程，熟悉相关模块的使用。能够认识数据、了解数据的合并、清洗、标准化与转换等常用操作。了解可视化过程。图形绘制。掌握Matplotlib模块。
掌握常用的机器学习算法，深入接触项目案例，在理解算法的基础上，掌握算法在实际项目中的应用。
了解人工智能领域中主流的开发框架，如PaddlePaddle、TensorFlow、PyTorch等框架基本概念，计算模型和原理。能够通过pytorch框架进行深度学习模型构建、训练和测试流程。掌握训练过程优化方法与问题优化。
了解人工智能领域中主流的开发框架，如PaddlePaddle、TensorFlow。
掌握人工智能领域中的图像识别技术，对行业中流行的数据模型和算法有所了解，使用主流人工智能框架进行项目开发，深入理解算法原理与实现步骤。
五、*指导
课程内容：*指导、技术指导。
培养方向：
HR对学员进行面试指导；讲师1对1技术指导学员项目及简历。
讲师针对学员面试过程中遇到的问题以及知识的薄弱点进行1对1技术指导。
根据学员具体情况，指导学员修改简历、项目，多方面提供*服务。
课程设置科学合理：
优*课程以*为前提，强调知识点的实用性和实战性，案例式教学、注重学习体验。
*坐镇
课程全部面授、讲师大都拥有多年主持开发大型项目的实战经验。真实项目支撑，重在培养学员的实战能力。
多元发展
尊重个体化差异，根据学员入学评估、结合学员兴趣爱好做职业规划。更强调“设计模式”、“软件架构”等思维方式的培养，使学员在*后不仅仅是一个出色的“码农”，更有可能具备成为“架构师”的潜质。
