Python基础课程

课程内容：

面向对象与设计模式

文件系统

网络编程

多任务

数据结构+算法

培养目标：

前期通过学习，掌握Python编程语言基础内容；中期主要涉及OOP基础知识， 具有初步软件工程知识并树立模块化编程思想 ，讲解多任务的同时，也给学生们介绍常见数据结构和相应算法， 注重表结构的处理、树结构的处理等知识，学完后学生会具备一定的数据结构和算法能力。

宋老师  

优就业Python+人工智能高级讲师

自然科学基金参与专家

河南大学控制工程专业硕士，曾参与自然科学基金“面向复杂系统估计的采样型非线性滤波方法研究”、河南省科学技术研究重点项目“多模采样型非线性滤波器研究”、井下人员、车辆精准定位系统等研发工作。曾与中国电子科技集团公司第二十七研究所合作研究多传感器信息融合仿真软件横向课题。

主要科研成果：参与研发基于卡尔曼一致性滤波的系统误差和状态联合估计算法;参与研发基于Rao-blackwekkized 扩展卡尔曼滤波的系统误差和状态联合估计算法。

学后

就业指导：全部理论+实战课程完成后，学员可以登录学习平台，接受一对一的就业指导。优就业将根据学员自身条件、性格特点等，为学员指明职业方向，挖掘求职亮点， 并对学员进行面试技巧培训，帮助学员做好就职准备。

简历修改：优就业提供专属简历修改服务，帮助学员根据求职企业要求和特点，进行有针对性的修改。简历亮点突出，契合职位需求，才是卓有成效的名企敲门砖。

名企求职：工作技能get√、实战能力get√、就业准备get√以后，相信有志者，不懈努力，能够进入名企。

字典推导：

teams = ["Packers", "49ers", "Ravens", "Patriots"]

print {key: value for value, key in enumerate(teams)}

>>> {'49ers': 1, 'Ravens': 2, 'Patriots': 3, 'Packers': 0}

基于实例的方法（Instance-based Algorithms）：

基于实例的学习模型是使用那些对于模型很重要训练数据，这类方法通常使用基于示例数据的数据库，用新数据和数据库数据以一种相似度方式从中找到最佳匹配，从而作出预测。出于这个原因，基于实例的方法也被称为赢家通吃所有的方法和基于记忆的学习。重点放在存储实例之间的相似性度量表现上。

k最邻近算法 k-Nearest Neighbour ，kNN

学习矢量量化 Learning Vector Quantization ，LVQ

自组织映射 Self-Organizing Map ，SOM

局部加权学习 Locally Weighted Learning ，LWL