第 一階段：Python編程基礎和Python（21天）
Python概述——1.Python簡史；2.Python應用場景；3.Python當前發展
語法基礎——1.變量類型；2.分支語句；3.循環語句
函數——1.變量類型；2.分支語句；3.循環語句
面向對象編程（OOP）——
1.00P基礎；2.共有私有問題；3.繼承；4.組合&Mindn
數據結構初步——1.列表；2.元祖；3.字典；4.集合
異常處理——1.異常概述；2.Try/except；3.Finally；4.Raise；5.with
Python模塊文件處理——
1.Prython模塊基本使用共有私有問題；2.搜索路徑問題；3.DIY自己的模塊組合&Mindn；4.文件處理
魔法函數——1.魔法函數概述；2.構造類魔法函數；3.運算類魔法函數
數據結構算法——1.常見的數據結構；2.常見查找算法
設計模式——1.單例模式；2.策略模式；3.觀察者模式
網絡編程多線程——
1.網絡基礎知識介紹；2.Socket編程；3.UDP協議；4.TCP協議；5.HTTP協議；6.多線程/進程端介；7.Python的多線程；8.Python的多進程
項目案例——1.聊天室；2.WebServer模擬HTTP協議
第二階段：Web開發基礎（22天）
HTML——1.HTML概述；2.文本處理；3.圖像和鏈接；4.表格；5.表單
CSS——1.CSS語法；2.CSS選擇器；3.CSS常用屬性
JavaScript——1.基礎語法；2.內置對象；3.正則表達式；4.事件
jQuery——1.jQuery基本使用；2.jQuery對象；3.Ajax工作原理；4.Ajax對象的使用；5.Ajax異步請求
Vue.js——
1.Vue簡介；2.Vue的基本使用；3.Vue常用指令的使用；4.基本組件的使用
Bootstrap框架——
1.Bootstrap框案簡介；2.Bootstrap組件的使用；3.Bootstrap快速搭建響應式頁面
Mysql——
1.Mysql簡介；2.常用操作；3.設計及復雜查詢；4.事務，存儲過程，觸發器；5.日志，數據恢復，mysql優化；6.Python操作mysql
Redis——
1.Redis簡介；2.常用操作；3.數據類型；4.特性；5.Python操作redis
Mongodb——
1.Mongodb簡介；2.常用操作；3.特性；4.Python操作mongodb
第三階段：數據庫與Web框架實戰（20天）
Git分布式版本控制器——1.Git版本控刺器基礎使用；2.Git與GitHub
Django框架——
1.Django載介；2.Django基礎操作；3.Django模型；4.Django視圖；5.Django模版；6.文件上傳；7.數據分頁；8.中間件；9.驗證碼；10.會話控制；11.富文本編輯器；12.Apache搭建
Flask框架
1.Flask快速入門；2.Flask框架結構；3.Flask路由；4.Flask表單；5.Flask模板、Flask數據庫操作
Tornado框架——
1.Tornado的路由；2.Tomado模板系統；3.Views模塊；4.Tornado數據庫的操作；5.Tornado的異步處理
Web項目實戰——B2C商城項目
第四階段：網絡爬蟲（20天）
爬蟲原理和數據爬取——
1.爬蟲原理講解；2.網絡請求協議；3.網絡請求過程；4.Urlib庫的基本使用；5.Requests庫基本使用；6.正則表達式；7.BeautifulSoup庫詳解
非結構化數據與結構化數據提取——
1.分析Ajax請求完成抓取；2.使用Redis維護一個動態代理池；3.使用代理處理反爬抓取微信文章
基于網站動態交互處理機制下的數據爬取——
1.selenium Web自動化測試工具的使用；2.PhantomJS無界瀏覽器的操作模擬；3.網站驗證碼的提取處理；4.加密數據原理分析及數據提取
通過Scrapy框架實現高并發數據爬取——
1.Scrapy框架安裝與基本使用；2.Scrapy命令行詳解以及選擇器用法
分布式爬蟲源碼解析和部署——
1.Scripy分布式原理；2.Scrapy-Redis解析；3.Scrapy分布式架構搭建；4.爬取知乎Scrap分布式的部署詳解
爬蟲階段項目——招聘網站爬蟲
第五階段：大數據分析&人工智能（20天）
數據分析概述——
1.數據行業概述；2.數據分析方法論；3.數據分析方法；4.數據分析流程
數據可視化——1.Matplotlib；2.Pandas繪圖函數；3.三維圖
數值計算——
1.Numpy：一維到多維數組；2.利用數組進行數據處理，數組計算；3.隨機數；4.數組文件的輸出與輸出切片與
花式索引，部分統計函數的學習以及應用
數學基礎——
1.高等數學；2.線性代數；3.概率與統計；4.應用知識補齊
數據預處理與數據分析——
1.Pandass Series；2.Data frame；3.數據缺失補齊；4.篩選去重；5.清洗整理；6.合并分割；7.匯總與計算；8.層次化索引；9.數據面板；10.數據描述性統計分析Pandas實現
數據的加載與存儲——CSV，TXT，JSON，Excel，HDF5等文件的存儲與加載
非格式化數據分析——1.中文分詞-Jieba；2.詞云-WordCloud；3.中文情感分析
機器學習——1.Sciklt-learn；2.常用分類、回歸、聚類算法原理
深度學習——神經網絡算法原理及常見庫應用
項目：上市公司股票趨勢預測——
利用關聯分析（CCA或PCA）進行描述性分析，找出影響股票走勢的關鍵因素。然后通過機器學習LassoLarsCV和LassoPath算法進行優化。借助灰度預測進行特征預測，后通過高容差深度機器學習神經網絡進行該公司股票趨勢預測