本课程为python教程大合集，包含python所有就业方向，每套课程均来自市面上主流培训机构的原版教程，价值都在数百元以上
每套课程均包含：视频课程+课件+源代码
重要：建议根据自己工作方向和需求，重点选择2到3套课程学精，吃透，然后在工作
重要：零基础小白建议先选择零基础全能篇的一套课程学精，然后再根据自 己的需求和规划选择学习其他方向课程，学完后一定要多实践
总目录
零基础全能篇（4套课程）
实用编程技巧进价（1套课程）
数据分析与挖掘（8套课程）
办公自动化（3套课程）
机器学习与人工智能（7套课程）
开发实战篇（4套课程）
量化投资（2套课程）
网络爬虫（6套课程）
数据库操作（1套课程）
python高级编程（6套课程）
注：零基础全能篇中，针对windows和liunx系统均有两套课程可供选择学习，单纯学python,哪个系统都一样，初学者只需选择自己熟悉的系统学习相应课程即可。基于liunx系统的python教程，课程里也有liunx操作的详细教学，不用担心学习时不会操作liunx系统。
因篇幅有限，以下展示的只是课程里部分内容如对python课程有更多疑问 请咨询客服
1零基础入门全能班
01 –python简介
02 第一个程序
03-python执行方式和pycharm设置
04-程序的注释和算术运算符
05 程序执行原理
06变量的使用以及类型
07变量的计算和输入输出
08 变量的命名
09 if判断语句
10 石头剪刀布
11 while循环基本使用
12循环嵌套
13 函数的基本使用
14 函数的参数和返回值
15函数的嵌套调用
16模块的简介
17列表
18元祖
19字典
20字符串
21容器类型公共方法
22名片管理系统
23变量的引用以及是否可变
24局部变量和全局变量
25函数的返回值和参数进阶
2部分
1面向对象基础
2 面向对象练习
3单继承和方法的重写
4私有方法和属性
5多继承
6多态
7类属性，类方法，静态方法
8单例模式
9异常
10模块和包
11文件操作
12文本编码
13内建函数eval
3项目实战部分：1项目准备
2游戏窗口和绘制图像
3游戏循环和键盘事件
4精灵和精灵组
5框架搭建
6背景图像
7敌人飞机
8英雄飞机
9发射子弹以及碰撞检测
4部分视频课程
1网络编程
2多任务
3web服务器v3.1
4python高级语法v3.1
5mysql数据库v3.1
6mini-web框架v3.1
7html和css
8首页布局案例和移动布局
9javascrtpt
10 jquery和js库
11 Django框架
12git版本管理
13redis数据库
14天天生鲜Django项目
15flask框架
17爱家租房项目
18通用爬虫模块使用
19Mongodb数据库
20爬虫scrapy框架及案例
21数据分析
22机器学习
23深度学习
24数据结构和算法
25python网络爬虫
26机器学习入门篇
27机器学习入门篇2
28机器学习提升篇
29数据挖掘篇
30深度学习必备原理与实战
31深度学习必备原理与实战2
32深度学习必备原理与实战3
33深度学习必备原理与实战4
34深度学习项目实战
35深度学习项目实战2
36深度学习项目实战3
2实用编程技巧进阶
1-1课程介绍。Mov
1-2在线编译工具weblde使用之指南.mov
2-1如何在列表，字典，集合中根据条件.MOV
2-2 3 4命名 统计 字典.mov
2-5公共键.mov
2-6 如何让字典保持有序.mov
2-7历史记录.mov
3-1 2迭代器.mov
3-3如何使用生成器函数实现迭代对象.MOV
2-4 5切片操作.mov
9-6迭代多个对象.MOV
4-1拆分字符串.MOV
4-2 3调整字符串中文格式.mov
4-4小字符串拼接.mov
4-5 字符串居中对齐.mov
4-6 去掉不需要的字符.mov
5-1 如何读取文本文件.mov
5-2如何处理二进制文件.mov
5-3 4文件映射.mov
5-5 如何访问文件的状态.mov
5-6 如何使用临时文件.mov
3.数据分析与挖掘
1-1课程导学
1-2 数据分析概述
2-1数据仓库
2-2监视与抓取
2-3填写，埋点，日志，计算
2-4 数据学习网站
3-01数据案例介绍
3-02集中趋势，离中趋势
3-03数据分布-偏态与峰度
3-04抽样理论
3-05编码实现
3-06数据分类
3-07异常值分析
3-08对比分析
3-09结构分析
3-10分布分析
3-11 satisfaction level的分析
3-13numberproject的分析
3-14averagemonthlyhours的分析
3-15timespendcompany的分析
3-16workaccident的分析
3-17left的分析
3-18promotionlast5years的分析
3-19salary的分析
3-20department的分析
3-21简单对比分析操作
3-22可视化柱状图
3-23可视化-直方图
3-24可视化-箱线图
3-25可视化-折线图
3-26可视化-饼图
3-27本章小结
4-01假设检验
4-02卡方检验
4-03方差检验
4-05线性回归
4-06主动分析
4-07编码实现
4-08交叉分析方法与实现
4-09交叉分析方法与实现
4-11因子分析与实现
4-12本章小结
5-01特征工程概述
5-02数据样本采集
5-03异常值处理
5-04标注
5-05特征选择
5-06特征变换-对指化
5-07特征变换-离散化
5-08特征变换归-化与标准化
5-09特征变换-数值化
5-10特征变换-正规化
5-11特征降维-LDA
5-12特征衍生
5-13HR表的特征预处理
5-14 HR表的特征预处理2
5-15本章小结
6-01机器学习与数据建模
6-02训练集，验证集，测试集
6-03分类-KNN
6-04分类-朴素贝叶斯
6-05分类-决策树
6-06分类-支持向量机
6-07分类-集成-随机森林
6-08分类-集成-Adaboost
6-09回归-线性回归
6-10回归-分类-逻辑回归
6-11回归-分类-人工神经网络1
6-12回归-分类-人工神经网络2
6-13回归-回归树与提升树
6-14聚类-Kmeans1
6-15聚类Kmeans2
6-16聚类DBSCAN
6-17聚类层次聚类
6-18聚类图分裂
6-19关联-关联规则1
6-20关联-关联规则2
6-21半监督-标签传播算法
6-22本章小结
7-1分类评估 混淆矩阵
7-2分类评估
7-3回归评估
7-4非监督评估
8-1课程回顾与多角度看数据分析
8-2大数据与学习这门课后还能干什么
4办公自动化
1购后必读 ，学员福利
2python基础，从零到1
3s1 excel自动化处理，从此做表不加班
4s2 word自动化处理 又好又快做文档
5 s3PPt自动化处理 用程序快速排版
6s4 邮件自动化处理 秒速回复全靠
7s5 web自动化处理 速做网站不求人
10[hybridDev之VBA基础]务必理解对象模型
11编程让生活更美好 之 初识 excel操控
12【VBA宏工程插件与python+xlwings混合调用】
13python +VBA混合开发 之 winapi自由世界
14python+panas+excel+vba混合调用
15【hybridDev实战】【py+excel+ppt自动汇报】
16原创独家配套笔记之混合开发VBA基础
17原创独家配套笔记之好玩DIY
18原创独家配套笔记之混合开发实战运用
19自动办公难题 无api接口库解决方案
20 独家前沿用实力说话
21自动办公实用tips python自动发送邮件
5机器学习与人工智能
1欢迎来到python3玩转机器学习
2机器学习基础
3Jupyter notebook numpy
4最基础的分类算法-k近邻算法 knn
5线性回归法
6梯度下降法
7PCA与梯度上升法
8多项式回归与模型泛化
9逻辑回归
10评价分类结果
11支撑向量机 svm
12决策树
13集成学习与随机森林
14更多机器学习算法
1课程整体介绍
2人工智能集成知识
3tensorflow简介和开发环境搭建
4tensorflow原理与进阶
5案例-会作曲的人工智能
6案例二 会photoshop的人工智能
7案例三 会开3d赛车的人工智能
8知识点总结和课程延展
9课程代码和素材（包含训练好的参数文件）
1.1课程介绍机器学习介绍上
1.1课程介绍机器学习介绍下
1.2深度学习介绍
2基本概念
3.1决策树算法
3.2决策树应用
4.1最邻近规则分类KNN算法
4.2最邻近规则分类KNN应用
5.1支持向量机（svm）算法上
5.1支持向量机（svm）算法上应用
6.1神经网络NN算法
6.2神经网络算法应用上
6.3神经网络算法应用下
7.1简单线性回归上
7.2简单线性回归下
7.3多元线性回归
7.4多元线性回归应用
7.5非线性回归Logistic Regression
7.6非线性回归应用
8.1Kmeans算法
8.2kmeans应用
8.3Hierarchical clustering层次聚类
8.4 hierarchical clustering层次聚类应用
1基本概念清晰版
2软件包安装和环境配置总述
3环境配置分部详解
4环境配置分部详解下
5手写数字识别
6神经网络基本结构及梯度下降算法
7随机梯度算法
8梯度下降算法实现上
9梯度下降算法实现下
10神经网络手写数字演示
11Backpropagation算法上
12Backpropagation 算法下
13Backpropation算法实现
14cross-entropy函数
15softmax和overfitting
16 regulization
17 regulazition和ropout
18正态分布和初始化
19提供版本的手写数字识别实现
20 神经网络参数hyer-parameters选择
21深度神经网中的难点
22用Rel解决VanishingGradient问题
23convolutionNerualNetwork算法
24Convolution NeuralNetwork实现下
25Convolution network实现下
26Restricted Boltzmann machine
27 Restricted Boltzmann machine下
28 deep brief network和 autoencoder