1、可免費(fèi)在以后培訓(xùn)班中重聽；
        2、免費(fèi)提供課后技術(shù)支持，保障培訓(xùn)效果。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

課程部份名稱 主講內(nèi)容 技術(shù)要點(diǎn) 學(xué)習(xí)目標(biāo)
Web部份 RPC原理與實(shí)踐（一）
——RPC原理 RPC介紹、通信協(xié)議、服務(wù)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(guān)聯(lián)；
2.理解RPC的技術(shù)實(shí)現(xiàn)；
3.理解分布式RPC的技術(shù)實(shí)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(wù)平臺(tái)；
7.掌握云計(jì)算平臺(tái)特點(diǎn)及基本架構(gòu)功能；
8.掌握openstack環(huán)境部署；
9.掌握openstack平臺(tái)日常簡(jiǎn)單使用技巧；
10.掌握openstack平臺(tái)故障梳理思路。

可解決的現(xiàn)實(shí)問題：
1. 服務(wù)與服務(wù)高效率通信實(shí)現(xiàn)；
2. 公司私有云搭建。
RPC原理與實(shí)踐（二）
——分布式RPC 服務(wù)注冊(cè)、服務(wù)發(fā)現(xiàn)、服務(wù)調(diào)用負(fù)載均衡
RPC原理與實(shí)踐（三）
——gRPC Protobuf協(xié)議、HTTP/2協(xié)議、gRPC使用、異常處理
RPC原理與實(shí)踐（四）
——Thrift 協(xié)議選擇、Thrift使用
OpenStack云計(jì)算快速入門 云計(jì)算基礎(chǔ)、OpenStack簡(jiǎn)介
OpenStack云計(jì)算之環(huán)境部署 實(shí)驗(yàn)環(huán)境、支撐性服務(wù)部署、認(rèn)證組件部署、glance組件部署、計(jì)算組件部署、網(wǎng)絡(luò)組件部署
OpenStack云計(jì)算之綜合實(shí)踐 第一個(gè)VM實(shí)例、可視化界面部署、塊存儲(chǔ)運(yùn)用、深入理解VM創(chuàng)建
OpenStack云計(jì)算之實(shí)踐拓展 定制映像、定制網(wǎng)絡(luò)
爬蟲部份 Docker核心技術(shù)原理及其應(yīng)用 Docker安裝配置、Docker核心技術(shù)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(duì)列、消息隊(duì)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(yīng)數(shù)據(jù)解析、存儲(chǔ)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(shè)計(jì)與開發(fā)使用；
8.掌握多種爬蟲反爬處理方案的實(shí)現(xiàn)；
9.掌握快速搭建復(fù)雜開發(fā)、生產(chǎn)環(huán)境的能力。
可解決的現(xiàn)實(shí)問題：
1.解決爬蟲運(yùn)行環(huán)境復(fù)雜不穩(wěn)定的情況；
2.對(duì)數(shù)據(jù)采取結(jié)果進(jìn)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(luò)庫、HTTP/HTTPS與WebSocket、PC/移動(dòng)端數(shù)據(jù)抓包
爬蟲中的去重處理介紹及方案實(shí)現(xiàn) 爬蟲去重應(yīng)用場(chǎng)景、去重原理介紹、臨時(shí)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(shí)現(xiàn)
Python爬蟲中的請(qǐng)求管理的實(shí)現(xiàn) 爬蟲請(qǐng)求管理介紹、請(qǐng)求去重原理與實(shí)現(xiàn)、請(qǐng)求調(diào)度原理與實(shí)現(xiàn)、Redis隊(duì)列原理與實(shí)現(xiàn)、Kafka原理與使用、Rabbitmq原理與使用、斷點(diǎn)續(xù)爬/增量式爬蟲原理
Python爬蟲中的數(shù)據(jù)處理業(yè)務(wù) 基礎(chǔ)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(chǔ)介紹、關(guān)系型數(shù)據(jù)庫ORM使用、非關(guān)系型數(shù)據(jù)庫ORM使用
Python爬蟲中的異步任務(wù)設(shè)計(jì) 進(jìn)程/線程/協(xié)程對(duì)比、操作系統(tǒng)IO模型介紹、IO設(shè)計(jì)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(wù)框架原理與使用
爬蟲架構(gòu)實(shí)現(xiàn)以及案例實(shí)戰(zhàn)運(yùn)用 爬蟲系統(tǒng)/架構(gòu)設(shè)計(jì)、爬蟲系統(tǒng)/架構(gòu)設(shè)計(jì)實(shí)現(xiàn)、各大電商網(wǎng)站數(shù)據(jù)采集、微信小程序/公眾號(hào)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(yīng)對(duì) 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(shí)踐、多形式驗(yàn)證碼處理實(shí)踐、JS逆向解析處理與實(shí)踐
人工智能部份 深度學(xué)習(xí)基礎(chǔ) 深度學(xué)習(xí)簡(jiǎn)史、代價(jià)函數(shù)、梯度下降算法、激活函數(shù)、前饋神經(jīng)網(wǎng)絡(luò) 可掌握的核心能力：
1.能夠深度掌握深度學(xué)習(xí)的算法原理以及應(yīng)用案例；
2.在圖像識(shí)別上能夠?qū)W到目標(biāo)檢測(cè)的項(xiàng)目開發(fā)經(jīng)驗(yàn)；
3.掌握相關(guān)自然語言處理基礎(chǔ)知識(shí)；
4.開發(fā)聊天機(jī)器人的開發(fā)案例；
5.搭建完整的人工智能人臉識(shí)別等應(yīng)用服務(wù)。

可解決的現(xiàn)實(shí)問題：
1.基于深度學(xué)習(xí)的機(jī)器視覺相關(guān)應(yīng)用；
2.基于第三方平臺(tái)的人臉識(shí)別相關(guān)應(yīng)用；
3.基于自然語言處理的聊天類機(jī)器人相關(guān)應(yīng)用。
深度學(xué)習(xí)優(yōu)化進(jìn)階 神經(jīng)網(wǎng)絡(luò)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(luò) 卷積操作、池化操作、圖像識(shí)別類網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)據(jù)擴(kuò)充、目標(biāo)檢測(cè)類網(wǎng)絡(luò)結(jié)構(gòu)
循環(huán)神經(jīng)網(wǎng)絡(luò) RNN、循環(huán)網(wǎng)絡(luò)訓(xùn)練、雙向/多層/編解碼網(wǎng)絡(luò)、門控循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機(jī)制
高級(jí)主題 生成對(duì)抗網(wǎng)絡(luò)、遷移學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、自動(dòng)編碼器、CapsuleNet
圖片商品物體檢測(cè)項(xiàng)目
第一部份-數(shù)據(jù)集處理 目標(biāo)檢測(cè)概述、目標(biāo)檢測(cè)數(shù)據(jù)集、目標(biāo)檢測(cè)方法、目標(biāo)數(shù)據(jù)標(biāo)記、標(biāo)注數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)集格式轉(zhuǎn)換、TFRecord讀取與存儲(chǔ)、slim庫
圖片商品物體檢測(cè)項(xiàng)目
第二部份-模型原理、實(shí)現(xiàn) 目標(biāo)檢測(cè)任務(wù)描述、R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、YOLO與SSD
圖片商品物體檢測(cè)項(xiàng)目
第二部份-項(xiàng)目框架實(shí)現(xiàn) 數(shù)據(jù)讀取接口、模型接口、訓(xùn)練與測(cè)試接口
百度人臉識(shí)別課程 服務(wù)訪問方式、人臉識(shí)別、物體識(shí)別、文字識(shí)別、語音識(shí)別與合成、語言處理基礎(chǔ)技術(shù)
自然語言處理 NLP 介紹、NLP種類、端對(duì)端深度學(xué)習(xí)模型、詞袋、Seq2seq、Beam Search Decoding、Attention、LSTM、
LSTM 實(shí)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(yù)處理、Chatbot 搭建模型、Chatbot 訓(xùn)練模型、Chatbot 訓(xùn)練模型、Chatbot測(cè)試模型、Chatbot 優(yōu)化