課程部份名稱 主講內(nèi)容 技術要點 學習目標
Web部份 RPC原理與實踐（一）
——RPC原理 RPC介紹、通信協(xié)議、服務器工作模型、異常處理 可掌握的核心能力：
1.理解RPC與HTTP的關聯(lián)；
2.理解RPC的技術實現(xiàn)；
3.理解分布式RPC的技術實現(xiàn)；
4.gRPC的使用開發(fā)；
5.Thrift的使用開發(fā)；
6.能夠基于OpenStack搭建云服務平臺；
7.掌握云計算平臺特點及基本架構功能；
8.掌握openstack環(huán)境部署；
9.掌握openstack平臺日常簡單使用技巧；
10.掌握openstack平臺故障梳理思路。
可解決的現(xiàn)實問題：
1. 服務與服務高效率通信實現(xiàn)；
2. 公司私有云搭建。
RPC原理與實踐（二）
——分布式RPC 服務注冊、服務發(fā)現(xiàn)、服務調(diào)用負載均衡
RPC原理與實踐（三）
——gRPC Protobuf協(xié)議、HTTP/2協(xié)議、gRPC使用、異常處理
RPC原理與實踐（四）
——Thrift 協(xié)議選擇、Thrift使用
OpenStack云計算快速入門 云計算基礎、OpenStack簡介
OpenStack云計算之環(huán)境部署 實驗環(huán)境、支撐性服務部署、認證組件部署、glance組件部署、計算組件部署、網(wǎng)絡組件部署
OpenStack云計算之綜合實踐 第一個VM實例、可視化界面部署、塊存儲運用、深入理解VM創(chuàng)建
OpenStack云計算之實踐拓展 定制映像、定制網(wǎng)絡
爬蟲部份 Docker核心技術原理及其應用 Docker安裝配置、Docker核心技術原理、Docker Compose原理與使用、環(huán)境搭建案例 可掌握的核心能力：
1.深入理解Python爬蟲開發(fā)核心思路；
2.掌握多種隊列、消息隊列的原理與開發(fā)使用；
3.掌握多種數(shù)據(jù)去重方案的原理與開發(fā)使用；
4.掌握多種響應數(shù)據(jù)解析、存儲方案的開發(fā)使用；
5.掌握多種異步框架的原理與開發(fā)使用；
6.掌握多種爬蟲客戶端工具的原理與開發(fā)使用；
7.掌握爬蟲框架的設計與開發(fā)使用；
8.掌握多種爬蟲反爬處理方案的實現(xiàn)；
9.掌握快速搭建復雜開發(fā)、生產(chǎn)環(huán)境的能力。
可解決的現(xiàn)實問題：
1.解決爬蟲運行環(huán)境復雜不穩(wěn)定的情況；
2.對數(shù)據(jù)采取結(jié)果進行數(shù)據(jù)去重；
3.反爬分析及反反爬策略。
Python爬蟲開發(fā)環(huán)境與Docker PyCharm配置并使用Docker、基于Docker配置安裝爬蟲網(wǎng)絡庫、HTTP/HTTPS與WebSocket、PC/移動端數(shù)據(jù)抓包
爬蟲中的去重處理介紹及方案實現(xiàn) 爬蟲去重應用場景、去重原理介紹、臨時去重與持久化去重、信息摘要指紋去重、SimHash指紋去重、布隆過濾器原理與實現(xiàn)
Python爬蟲中的請求管理的實現(xiàn) 爬蟲請求管理介紹、請求去重原理與實現(xiàn)、請求調(diào)度原理與實現(xiàn)、Redis隊列原理與實現(xiàn)、Kafka原理與使用、Rabbitmq原理與使用、斷點續(xù)爬/增量式爬蟲原理
Python爬蟲中的數(shù)據(jù)處理業(yè)務 基礎數(shù)據(jù)解析方式、特殊數(shù)據(jù)解析方式、數(shù)據(jù)清洗流程、數(shù)據(jù)存儲介紹、關系型數(shù)據(jù)庫ORM使用、非關系型數(shù)據(jù)庫ORM使用
Python爬蟲中的異步任務設計 進程/線程/協(xié)程對比、操作系統(tǒng)IO模型介紹、IO設計模式原理與介紹、Python常用異步IO庫原理與使用、分布式異步任務框架原理與使用
爬蟲架構實現(xiàn)以及案例實戰(zhàn)運用 爬蟲系統(tǒng)/架構設計、爬蟲系統(tǒng)/架構設計實現(xiàn)、各大電商網(wǎng)站數(shù)據(jù)采集、微信小程序/公眾號數(shù)據(jù)采集、各大生活類網(wǎng)站數(shù)據(jù)采集
爬蟲中的反爬分析與應對 爬蟲反爬分析介紹、常見反爬措施與處理方案、多形式代理使用實踐、多形式驗證碼處理實踐、JS逆向解析處理與實踐
人工智能部份 深度學習基礎 深度學習簡史、代價函數(shù)、梯度下降算法、激活函數(shù)、前饋神經(jīng)網(wǎng)絡 可掌握的核心能力：
1.能夠深度掌握深度學習的算法原理以及應用案例；
2.在圖像識別上能夠?qū)W到目標檢測的項目開發(fā)經(jīng)驗；
3.掌握相關自然語言處理基礎知識；
4.開發(fā)聊天機器人的開發(fā)案例；
5.搭建完整的人工智能人臉識別等應用服務。
可解決的現(xiàn)實問題：
1.基于深度學習的機器視覺相關應用；
2.基于第三方平臺的人臉識別相關應用；
3.基于自然語言處理的聊天類機器人相關應用。
深度學習優(yōu)化進階 神經(jīng)網(wǎng)絡優(yōu)化難度、正則化、參數(shù)初始化策略、優(yōu)化算法、批量歸一化
卷積神經(jīng)網(wǎng)絡 卷積操作、池化操作、圖像識別類網(wǎng)絡結(jié)構、數(shù)據(jù)擴充、目標檢測類網(wǎng)絡結(jié)構
循環(huán)神經(jīng)網(wǎng)絡 RNN、循環(huán)網(wǎng)絡訓練、雙向/多層/編解碼網(wǎng)絡、門控循環(huán)神經(jīng)網(wǎng)絡、注意力機制
高級主題 生成對抗網(wǎng)絡、遷移學習、半監(jiān)督學習、自動編碼器、CapsuleNet
圖片商品物體檢測項目
第一部份-數(shù)據(jù)集處理 目標檢測概述、目標檢測數(shù)據(jù)集、目標檢測方法、目標數(shù)據(jù)標記、標注數(shù)據(jù)存儲、數(shù)據(jù)集格式轉(zhuǎn)換、TFRecord讀取與存儲、slim庫
圖片商品物體檢測項目
第二部份-模型原理、實現(xiàn) 目標檢測任務描述、R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、YOLO與SSD
圖片商品物體檢測項目
第二部份-項目框架實現(xiàn) 數(shù)據(jù)讀取接口、模型接口、訓練與測試接口
百度人臉識別課程 服務訪問方式、人臉識別、物體識別、文字識別、語音識別與合成、語言處理基礎技術
自然語言處理 NLP 介紹、NLP種類、端對端深度學習模型、詞袋、Seq2seq、Beam Search Decoding、Attention、LSTM、
LSTM 實作、文本分類、文本分類的方式、文本分類 CNN & RNN、文本生成、文本匹配、文本檢索、文本生成圖片、Chatbot 數(shù)據(jù)預處理、Chatbot 搭建模型、Chatbot 訓練模型、Chatbot 訓練模型、Chatbot測試模型、Chatbot 優(yōu)化
|
合作伙伴與授權機構
shuhaipeixun
1299983702
總部李老師
