字符用（string）、字符串格式化（format）

列表（Iist）、元組（tuple）、集合（set）、字典（dictionary）

建數(shù)據(jù)集（采集數(shù)據(jù)、導(dǎo)入“v或幻sx、構(gòu)建數(shù)據(jù)集）

維度分析（維度、列名稱、數(shù)據(jù)格式、所占空間）

數(shù)據(jù)清洗（境充空值、字符轉(zhuǎn)換、數(shù)據(jù)格式、去班、數(shù)據(jù)替換）

數(shù)據(jù)預(yù)處理（跨裘合并、索引排序、多維數(shù)據(jù)頓己、數(shù)據(jù)分裂匹配）

數(shù)據(jù)提?。↖o〔標(biāo)簽值提取，＂0（位置提取，ix按標(biāo)簽和位置提取）

數(shù)姻篩選（引牛篩選、計數(shù)求和）

數(shù)據(jù)匯總（數(shù)組重構(gòu)9 roupby、轉(zhuǎn)置和軸對換 pivote＿table）

數(shù)據(jù)統(tǒng)計（數(shù)據(jù)采樣、采樣權(quán)重、計算泳佳差、計算協(xié)方差、設(shè)置系數(shù)）

數(shù)據(jù)輸出（分析后的數(shù)據(jù)可以輸出為xlsx格式和“v格式）

TensorFlow環(huán)境搭建： 

1、windows ( Vísual Studio, anaconda ) 

2、 Linux (virtualenv,Docker）

3、嵌入式（樹莓派、聲音輸入輸出模塊驅(qū)動） 

tensor基礎(chǔ)： 

1、基于tensor的基本語法

2、線性回歸算法

3、邏輯回歸算法 

卷積神經(jīng)網(wǎng)絡(luò)： 

1、卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 

2、卷積神經(jīng)網(wǎng)絡(luò)深度迭代原理 

3、圖像分類模型迭代訓(xùn)陳練（Cifar-10數(shù)據(jù)集6萬張圖像分析）

4、圖像分析項目實戰(zhàn)（1-2個） 

5、黑盒邏輯特征提取規(guī)則

6、文本分類任務(wù)實戰(zhàn)（1-2個） 

RNN遞歸神經(jīng)網(wǎng)絡(luò)模型： 

1、RNN網(wǎng)絡(luò)結(jié)構(gòu)

2、RNN時間節(jié)點數(shù)據(jù)調(diào)用

3、RNN時間數(shù)據(jù)依賴關(guān)系分析 

TFRecord自定義數(shù)據(jù)集： 

1、文件歸類并數(shù)據(jù)讀取。 

2、生成數(shù)據(jù)源。 

3、定義tfrecord多線程。 

4、執(zhí)行tfrecord分類任務(wù)。 

Python嵌入式AI（硬件人工智能）： 

1樹莓派環(huán)境搭建 

2常用模塊 Python驅(qū)動：（聲音輸入輸出模塊驅(qū)動、繼電器模塊驅(qū)動、震動傳感器模塊驅(qū)動、傾斜傳感器、模塊驅(qū)動、激光模塊驅(qū)動、U型光電傳感器模塊驅(qū)動） 

3語音集調(diào)用（THCHS30清華中文語音集） 4模型訓(xùn)陳練評估

資產(chǎn)數(shù)據(jù)采集（主機數(shù)據(jù)采集）

數(shù)據(jù)可視化（數(shù)據(jù)分析）

運維監(jiān)控管理（數(shù)據(jù)采集管理閾值）

堡壘機（跳板機配置）

配置任務(wù)管理（SaltStack服務(wù)器集群配置管理）