课程背景

传统程序员（Java/C++/C#等）转型AI的第一道门槛往往是Python生态。虽然已有扎实的编程基础，但面对动态类型、科学计算库（NumPy/Pandas）、数据可视化等新工具时，仍感到陌生与低效。市面上零基础的Python入门课节奏过慢，而直接进入数据分析又缺乏系统铺垫。本课程专为程序员设计，以对比式教学将已有经验快速迁移到Python，系统掌握数据科学全栈技能。

课程收益

快速掌握Python核心语法与面向对象编程，能够读写工业级Python代码

熟练使用NumPy进行高效数组运算、向量化操作与线性代数计算

精通Pandas完成数据清洗、转换、分组聚合与统计分析

掌握Matplotlib与Seaborn进行数据可视化，制作专业分析图表

完成一个真实数据集（如Titanic）的完整数据分析报告

课程特色

程序员友好：Python语法与Java/C++对比讲解，利用已有经验加速学习

代码优先：先运行代码看效果，再理解背后的原理

互动式课堂：“原生 vs. NumPy”性能挑战赛、代码Review环节

全案例驱动：每个知识点配套实战案例（图像处理、线性回归、用户行为分析等）

渐进式难度：从跟随复制代码到独立完成数据分析

贯通式毕业课题：所选课题的数据清洗与探索分析直接服务于最终项目

课程对象

希望转型AI方向的传统软件工程师（Java、C++、C#、Go等背景）

运维/测试/数据工程师，需拓展数据分析能力

有一定编程基础的学生或自学者

技术管理者希望理解数据科学基础

前置知识：任一编程语言基础（变量、循环、函数、面向对象），高中数学基础。无需Python或数据科学经验。

课程大纲

第一单元：Python编程快速入门（4节课，约7小时）

第1课：从Java/C++到Python —— 思维模式转换与开发环境搭建（1.5小时）

•Python设计哲学与运行机制（解释型 vs 编译型、动态类型 vs 静态类型）

•Anaconda/Jupyter环境搭建、pip与conda包管理

•变量与数据类型、基本运算符（对比Java）

•实践：配置开发环境，编写第一个Python脚本

第2课：控制流与数据结构 —— 程序员的“老朋友与新面孔”（2小时）

•条件语句、循环语句（与Java/C++的差异）

•列表、元组、字典、集合 —— 特性对比与使用场景

•列表推导式、字典推导式

•实践：实现一个简易的学生成绩管理系统

第3课：函数、模块与异常处理 —— 工程化编程基础（2小时）

•函数定义、参数传递（可变参数、关键字参数、默认值）

•Lambda表达式、高阶函数（map/filter/reduce）

•模块导入与包管理、异常处理

•实践：编写可复用的数据处理工具函数库

第4课：面向对象编程在Python中 —— “同类不同形”（1.5小时）

•类与对象、继承与多态（对比Java/C++）

•特殊方法（__init__、__str__、__len__等）

•装饰器、迭代器、生成器入门

•实践：构建一个简单的图书管理系统

第二单元：NumPy —— 科学计算基础（3节课，约5小时）

第5课：NumPy数组 —— 从“列表”到“向量”的性能飞跃（1.5小时）

•ndarray的创建与属性、数据类型与内存布局

•数组索引、切片、布尔索引与花式索引

•NumPy与Python列表的性能对比实验

•实践：对比列表与数组进行大规模数学运算的性能差异

第6课：NumPy的向量化运算与广播机制（2小时）

•通用函数（ufunc）与向量化运算

•数组运算（算术、比较、逻辑）、矩阵运算（dot/@）

•广播机制的原理与应用场景

•实践：使用NumPy实现图像的灰度化与亮度调整

第7课：NumPy进阶 —— 线性代数与随机数（1.5小时）

•形状变换（reshape、ravel、transpose）、数组拼接与拆分

•线性代数模块（linalg）：矩阵乘法、求逆、特征值分解

•随机数生成与统计分析

•实践：实现线性回归的Normal Equation解法

第三单元：Pandas —— 数据分析利器（3节课，约5小时）

第8课：Pandas核心数据结构 —— Series与DataFrame（1.5小时）

•Series与DataFrame的创建

•数据的导入与导出（CSV、Excel、JSON）

•数据查看：head/tail、info、describe

•实践：加载Titanic数据集并进行初步探索

第9课：数据清洗与转换（2小时）

•处理缺失值（检测、删除、填充）

•数据去重、替换、数据类型转换

•索引与选择（loc/iloc/at/iat）、条件筛选

•实践：对真实数据进行完整的清洗流程

第10课：数据聚合、分组与合并（1.5小时）

•GroupBy机制、聚合函数、自定义聚合

•数据合并（merge/join/concat）

•数据透视表与交叉表

•实践：用户消费行为分析（分组统计、周期分析）

第四单元：Matplotlib —— 数据可视化（2节课，约4小时）

第11课：可视化基础 —— 绘制你的第一幅数据图（2小时）

•Figure与Axes、图形基本组成

•图表类型：折线图、散点图、柱状图、直方图、箱线图

•子图布局与图形保存

•实践：对Titanic数据进行多维度可视化探索

第12课：图表美化与高级可视化（2小时）

•颜色、线型、标记、图例、标签与标题

•多子图组合与复杂布局

•使用Seaborn进行统计可视化

•实践：为毕业课题制作数据分析报告中的可视化图表

模块实战：选择一个真实数据集，完成数据加载、清洗、分析、可视化全流程，交付一份数据分析报告。

杨文清

大数据&云计算资深实战派专家 杨文清

【专业资质】

20年企业应用与研发经验

拥有2项人工智能相关国家发明专利

中国联通集团深度培训资深讲师

AWS 云计算认证专家

曾任 IBM中国华南区高级咨询顾问

曾任华为Cloud BU高级架构师

曾任广州云宏研发总监

曾任广州智数x-Lab实验室首席科学家

武汉大学计算机科学专业硕士，22年企业应用与研发经验，曾就职于IBM、华为等大型企业，十年华为工作经验，任职华为高级架构师。

并先后担任过知名互联网公司研发总监和智数xLab实验室首席数据科学家。亚马逊云计算认证专家、VMware国际认证讲师。

中国联通集团引擎计划深度培训资深讲师（主讲Docker&K8S、Hadoop、Spark、机器学习、深度学习），对云计算、大数据有深刻的理解，主导过多项国家级大数据项目，并拥有人工智能方面的若干项国家专利。

【实战经验】

IBM中国华南区高级咨询顾问，期间曾参与公安、金融、通信、制造等行业云计算产品方案研发，为多个大型企业提供IT基础建设咨询。

华为Cloud BU高级架构师，聚焦于是云服务产业端到端管理的经营单元，负责构建云服务竞争力，对云服务的客户满意度和商业成功负责。

广州云宏研发总监，带领团队研发了WinCloud云计算管理平台、CnWare云计算操作系统，产品覆盖运营商、公安、金融、政府机关、教育、医疗等多个领域，虚拟机数量超过50万。受到国家、省市领导和专家的肯定和好评。

【项目实战经验】

国产云操作系统 (CnWare) 研发总监

云宏：参与主导公司核心产品WinCloud云管理平台建设，是当前市场上唯一可以同时管理小型机虚拟化、x86虚拟化和arm架构虚拟化的云管理平台；CnWare是唯一的国产云操作系统，对标VmWare，内容包括虚拟化管理中心、虚拟化中间件和虚拟化引擎3部分，实现了全生态全流程的虚拟化覆盖。该产品在中国电信集团采购入围时获得总分第一的成绩。

构建智慧水务AI预警平台 实验室首席科学家

智数信息：任职xLab实验室首席科学家，负责公司前瞻性技术的基础研究，并实现新技术在项目中的落地。期间将以太坊区块链技术应用到了现有的食品溯源系统；协助研发团队在智慧城市管理项目实现了物联网数据的全自动处理过程；协助研发团队将自动化运营引入到港珠澳大桥综合管理系统。作为公司首席科学家，对基础研究的标准化（选型、可行性、研究、应用）过程制定了完整的过程管理。

港珠澳大桥综合业务管理系统 首席架构师

构建综合业务管理平台，为大桥的物流、应急管理、通关提供坚实的数据支撑，提升信息化效率。

宝安智慧水务 研发总监|架构师

实现了物联网数据的全自动处理、自定义指标预警、自助式数据可视化分析，用于企业污水排放监控 。

财政信息一体化 后端架构师

建设大数据平台与业务系统，实现数据整合、可视化、异常数据监控与财政指标智能预测 。

电信经营分析系统 项目经理 / 主导设计

用数据仓库技术与可视化，对电信企业的内部和外部数据进行综合分析处理，生成运营指标 。

【擅长领域】

核心技术/技术管理/架构能力；热衷于技术驱动业务，致力于将新技术转化为高效的生产力。

【讲师优势】

拥有超过20年一线实战经验的复合型技术专家与资深讲师。兼具华为与IBM的顶级企业架构视野，以及将前沿技术从0到1成功产品化的落地能力。

多年来始终坚持在技术一线参与核心研发工作。 对技术在真实业务场景中的痛点、难点和选型权衡有极为深刻的理解，确保了其教学内容与业界最新实践紧密结合，直击问题本质。

【主讲项目/课程(部分)】可根据企业需求组合成不同深度的技术训练营。

《数据科学基础》

《Python编程：从入门到数据处理》

《数据分析思维》

《数据可视化技术与分析报告撰写》

《机器学习核心》

《机器学习经典算法与理论》

《集成学习实战：深入解析XGBoost等模型》

《基于Spark的海量数据分析与机器学习》

《深度学习进阶》

《深度学习框架PyTorch：入门与应用》

《卷积神经网络(CNN)与循环神经网络(LSTM)实战》

《LLM基础：注意力机制(Transform)实战》

《AI技术工程化》

《AI应用基础：提示词工程》

《RAG（检索增强生成）开发实战》

《AI Agent（智能体）开发实战》

《AI 行业应用案例分析》

【授课风格】

1.实战派落地教学，拒绝空谈赋能​

课程内容紧密结合主导的大型项目真实经验，案例翔实，以真实场景、真实案例、真实打法为核心支撑，全干货、全落地，拒绝空谈理论。

2.架构师全局视野，搭建体系能力​

跳出单一操作教学，深度拆解业务底层逻辑与运营架构，溯源打法设计原理，助力学员构建系统化、可迭代的完整业务体系。

3.通透化授学思维，实现举一反三​

依托全域实战经验拆解核心本质，沉淀通用方法论，助力学员举一反三、灵活复用、全域落地。真正实现学一项、通一类、用全域。

【服务客户(部分)】

运营商：联通集团总部、中国电信河南有限公司、中国电信山东有限公司、中国电信江苏有限公司、中国电信重庆有限公司、中国联通广东有限公司、中国联通福建有限公司、中国联通广西有限公司、中国联通上海有限公司、中国联通陕西有限公司、中国联通河北有限公司、中国联通云南有限公司、中国联通重庆有限公司、中国联通四川有限公司、中国联通青海有限公司、中国移动江苏有限公司、中国移动云南有限公司、中国移动浙江有限公司、中国移动河南有限公司、中国移动四川有限公司、中国移动吉林有限公司、中国移动湖北有限公司、中国移动安徽有限公司等

IT公司：华为、腾讯云、IBM、DELL、航天科工、中国航天、TaTa集团、中科曙光、龙芯中科、航天云网、航天科工、联想集团、腾讯云、蓝盾、浩云科技、润乾等

能源：国家电网（湖北省、浙江省、成都等）、南方电网、广东能源集团、江苏核电、国家电投、国网电科院、国能集团长源电力、中煤电力等

银行：中国银行广州分行、招商银行武汉分行、中国银行江苏分行、农业银行荆州分行、交通银行贵州分行、交通银行武汉分行、建设银行广州分行、中国邮政储蓄银行长沙分行、中国邮政储蓄银行南昌分行、平安银行杭州分行、广发银行广州分行、兴业银行、北京银行、工商银行、工银投资、宁波银行等