变量、标识符和关键字、输入和输出、数据类型转换、PEP8 编码规范、比较/关系运算符、if 语句语法格式、三目运算符、 while语句语法格式、while 循环嵌套、break 和 continue、 while 循环案例、for循环

字符串定义语法格式、字符串遍历(while)、下标和切片、字符串常见操作、列表语法格式、列表的遍历(for)、列表常见操作、列表嵌套、列表推导式、 元组语法格式、单元素元组、元组操作、字典语法格式、字典常见操作、字典的遍历、公共函数

函数概念和作用、函数定义、调用、不定长参数函数、 函数的返回值、函数的说明文档、 函数的嵌套调用、匿名函数、递归函数、可变和不可变类型、 局部变量、全局变量、 组包和拆包、引用

文件介绍、文件的打开与关闭、文件的读写、文件、目录操作相关操作、 文件/目录操作、文件/目录操作案例、os模块文件与目录相关操作

面向对象介绍、类的定义和对象的创建、添加和获取对象属性、self 参数、init方法、私有方法和私有属性、继承、子类方法重写、 类属性和实例属性、多态、类方法、实例方法、静态方法

异常概念、捕获异常、异常的传递、自定义异常、异常穿透

模块介绍、模块的导入、包的概念、包的导入、模块中的 __all__、模块中 __name__ 的作用

property属性，with语句， 上下文管理器，闭包，通用装饰器，装饰带有参数的函数， 装饰带有返回值的函数， 装饰带有不定长参数的函数，多个装饰器，带有参数的装饰器，类装饰器， 迭代器，生成器，深拷贝与浅拷贝，列表推导式

sys模块，logging模块，正则表达式的介绍，re模块的使用，配个单个字符， 匹配多个字符， 匹配开头和结尾， 匹配分组，正则表达式的演练

时间复杂度，空间复杂度，Python内置类型性能分析，顺序表； 链表：链表和链表的应用；队列：队列概念，队列的实现与应用，双端队列； 排序和搜索算法：冒泡排序，选择排序，插入排序、快速排序，搜索，常见算法效率，散列表； 二叉树：树的引入，二叉树，二叉树的遍历，二叉树扩展

Centos操作系统介绍与使用，Linux命令使用，查看目录命令， 切换目录命令， 绝对路径和相对路径，创建文件命令， 删除文件命令， 创建目录命名， 删除目录命令，复制文件命令， 移动文件命令， 复制目录命名， 移动目录命令，查看命令帮助， 重定向命令， Linux命令选项的使用，远程登录和远程拷贝，链接命令， 文本搜索命令，压缩命令， 解压缩命令， 文件权限命令， 管理员权限命令， 用户操作， 用户组操作，vi编辑器使用，CentOS软件安装和软件卸载

IP地址的介绍，端口和端口号的介绍，socket的介绍，基于TCP通信程序开发，HTTP协议介绍，HTTP通讯过程，URL, 请求报文， 响应报文， send原理，recv原理， 多任务TCP服务端编写，搭建静态web服务器案例。

多任务介绍，进程的使用，获取进程编号， 进程执行带有参数的任务， 进程注意点，线程的使用，线程执行带有参数的任务， 线程同步与互斥锁，死锁

数据类型和约束, where条件查询, 排序， 分页查询，聚合， 分组查询，连接查询，子查询，数据库的设计三范式及连表查询, 事务, 索引等高级用法, PyMysql的使用

人工智能概述，机器学习定义，机器学习工作流程，机器学习算法分类，回归问题，分类问题，算法模型评估，欠拟合，过拟合，准确率，MSE，Azure机器学习平台实验，深度学习基本介绍，神经网络，感知机，机器学习基础环境安装与使用

Matplotlib架构介绍，Matplotlib基本功能实现，Matplotlib实现多图显示，Matplotlib绘制各类图形，Numpy运算优势，数组的属性，数组的形状，Numpy实现数组基本操作，Numpy实现数组运算，偏导数，极限，矩阵求导，向量，矩阵交换律，矩阵乘法，矩阵求逆，伴随矩阵，pandas基本数据操作，DataFrame，Series，MultiIndex，panel，pandas画图，文件读取和存储（Excel，CSV，SQL，HDF，Json），缺失值处理，数据离散化，数据合并，交叉表和透视表，分组和聚合，单变量图形可视化，双变量图形可视化，多变量图形可视化，类别散点图，箱线图，小提琴图，点图

sklearn介绍，sklearn获取数据集，数据集属性介绍，数据集划分，留出法，留一法，KFold，StratifiedKFold，自助法，特征工程，特征预处理，归一化，标准化，特征提取，字典特征提取，文本特征提取，Tf-idf，特征降维，特征选择，过滤式，方差选择法，斯皮尔曼相关系数，皮尔逊相关系数，低方差特征过滤，嵌入式，交叉验证，网格搜索，模型保存和加载，维灾难

KNN算法流程，欧式距离，曼哈顿距离，切比雪夫距离，闵氏距离，标准化欧式距离，余弦距离，汉明距离，杰卡德距离，马氏距离，数据的连续属性和离散属性，KNN中k值的选择，kd树，KNN算法优缺点介绍，线性回归概念和api与原理剖析，误差平方和，FGD，SGD，mini-batch，SAG，数据归一化，优化器的选择，Lasso回归，岭回归，Elastic Net，early stopping，判定边界，动态规划，sigmoid，对数似然损失，混淆矩阵，精确率，召回率，F1-score，ROC曲线，AUC指标，ROC曲线的绘制，imbalanced-learn，随机过采样，SMOTE，随机欠采样，决策树算法原理和api使用，划分选择，熵，信息增益，增益率，基尼指数，剪枝处理，预剪枝，后剪枝，ID3，CART，条件熵和交叉熵连续与缺失值处理，多变量决策树，回归决策树基本流程，回归/分类决策树的区别

朴素贝叶斯原理和api函数，独立同分布，贝叶斯公式，拉普拉斯平滑系数，概率分布，多项式分布，高斯分布，条件概率，贝叶斯编程及A/B测试，SVM算法原理，感知机学习策略及算法收敛性，线性可分及异或不可分，对偶问题及KKT，SMO算法，软间隔与正则化，支持向量回归，核函数：最简单的核函数距离，相似性函数，常用核函数（GBF和Gassian），核函数对比，聚类算法介绍，kmeans流程和质心，k-means评价指标及优化内部指标，外部指标，优化方法（二分kmeans，kmeans++），SC系数/CH系数，极大似然估计，期望估计，极大化估计，Markov chain，可见状态链，隐含状态链，HMM算法原理，前向后向算法，Viterbi算法，Baum-Welch，MultinomialHMM

bagging和boosting介绍，随机森林，包外估计，无偏估计；boosting：离散型AdaBoost，实数型AdaBoost，GBDT，残差拟合，集成学习进阶-xgboost，xgboost目标函数推导，树的复杂度定义，xgboost回归树构建，xgboost与GBDT对比，通用参数，Booster参数介绍，lightGBM基本介绍，Histogram的决策树算法介绍，level-wise，leaf-wise，特征并行，数据并行

神经网络基础：神经网络的构成、激活函数、损失函数、优化方法及正则化；反向传播原理：梯度下降算法、链式法则、反向传播算法、改善反向传播算法性能的迭代法；深度学习正则化与算法优化：L1、L2、DroupOut、BN、SGD、RMSProp、Adagrad、Adam；实现多层神经网络案例；Tensorflow框架基础、张量、变量；Tensorflow高级API：数据读取tf.data、模型tf.keras等

计算机视觉定义、计算机视觉发展历史；计算机视觉技术和应用场景、计算机视觉知识树和几大任务

CNN：卷积的计算方法，多通道卷积，多卷积和卷积，池化层和全连接层；卷积网络结构：LeNet5、AlexNet、VGG、Inception/GoogleNet、残差网络；目标分类实战案例：ImageNet分类；Apache Flink极客挑战赛——垃圾图片分类

目标检测任务与数据集介绍：检测任务目的、常见数据集、应用场景；RCNN：交并比、map、非极大抑制NMS、正负样本；SPPNet：SPP层映射；FastRCNN：ROI Pooling；FasterRCNN：RPN、代价函数、训练流程与结果分析、FPN与FasterRCNN结合；YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5：结构与工作流程、代价函数、anchor、维度聚类、细粒度与多尺度特征、先验框与代价函数；SSD：Detector & classifier、SSD代价函数、特征金字塔；目标检测实战案例：COCO数据集上目标检测

目标分割任务类型、数据集；全卷积FCN网络：网络结构、跳级连接、语义分割评价标准、结果分析；U-Net：拼接特征向量；Dilated Convolutions：聚合多尺度的信息、context module；SegNet：金字塔池化模块；Deeplab：串行部署 ASPP；Mask-RCNN：结构介绍、ROI Align与Pooling对比、代价函数介绍、端到端联合训练；目标分割实战案例；

基本的OpenCV代码、IplImage数据结构、读写图像；基本的灰度变换函数；几何变换：翻转、剪裁、遮挡、图像算数、图像金字塔、OpenCV几何变换操作；形态学：形态学定义、连通性、二值操作、平滑、梯度、纹理分割及OpenCV实践

边缘检测技术：边缘检测的目的和模型、噪声、导数算子、Marr-Hildreth边缘检测器、基于模板的边缘检测、Canny Edge边缘检测器、Shen-Castan(ISEF)边缘检测器、彩色边缘、OpenCV边缘检测操作；特征检测和描述：哈里斯角点检测、Shi-Tomasi角落探测器、SIFT、SURF、FAST、ORB、霍夫变换；视频操作：读取摄像头、读取视频、视频写入

Pytorch介绍，张量概念，张量运算，反向传播，梯度，自动梯度，参数更新，数据加载器，迭代数据集，经典案例，对话系统简介，NLU简介，文本生成简介，机器翻译简介，智能客服介绍，机器人写作介绍，作文打分介绍

文本处理的基本方法，文本张量表示方法，文本语料的数据分析，文本特征处理，数据增强方法，分词，词性标注，命名实体识别，one-hot编码，Word2vec，Word Embedding，标签数量分布，句子长度分布，词频统计与关键词词云

传统RNN，LSTM，Bi-LSTM，GRU，Bi-GRU，新闻分类案例，机器翻译案例，seq2seq，遗忘门，输入门，细胞状态，输出门，更新门，重置门

输入部分，输出部分，编码器部分，解码器部分，线性层，softmax层，注意力机制，多头注意力机制，前馈全连接层，规范化层，子层连接结构，语言模型，wikiText-2数据集，模型超参数，模型的训练，模型验证

HMM原理，HMM实现，HMM优劣势，CRF原理，CRF优劣势，CRF与HMM区别，CRF实现，HMM历CRF历史，HMM现状，CRF现状

fasttext工具，进行文本分类，CBOW模式，skip-gram模式，预训练模型，微调，微调脚本，训练词向量，模型调优，n-gram特征，CoLA 数据集，SST-2 数据集，MRPC 数据集，BERT，GPT，GPT-2，pytorch.hub

自编码器，解码器、去噪自编码器、变分自编码器、实践案例

积极学习-Hopfield网络、能量函数、Hopfield网络的容量、连续Hopfield网络，终身学习

遗传算法，遗传算子，背包问题

分布式机器学习基础，分布式机器学习系统

学习情境与马尔科夫决策过程, 策略值、策略评估、最优策略, 随机逼近、TD（0）算法、Q-学习算法、SARSA、TD（λ）算法 、大状态空间

Dijkstra算法, 图论初步， 动态规划初步, 贪心算法、贪心算法原理、赫夫曼编码、拟阵和贪心算法

针孔模型、双目模型及极线几何、多摄像机模型；内外参数的标定、畸变及矫正、常见的标定方法、zhang氏标定、空间坐标系的转换；3D视觉任务、射影几何学基础、单透视摄像机、从多视图重建场景、双摄像机和立体感知、三摄像机和三视张量

点云处理技术基础理论、点云数据的重建方法，点云数据的获取，点云去噪、压缩、配准方法，点云插值方法，误差传播模型，质量评定方法；