许多学习者已经具备 Python 核心语法，却还不能稳定地完成数据清洗、时间序列分析、业务图表、交互式大屏和项目结论表达。前 5 天以真实数据分析流程为主线，补齐这段关键能力。
后 3 天将这些能力迁移到人工智能训练师专项任务中，通过业务方案、Notebook、流程图、JSON 规则、伪代码和测试方案等成果练习，建立可复用的任务拆解与规范交付方法。
Course Overview
把“会写 Python”升级为“能完成 AI 训练任务”
课程不止训练代码操作，而是把数据处理、业务理解、方案设计、测试验证和成果提交连接成一条完整的能力路径。
01
先筑牢数据能力
从 NumPy、pandas 到清洗、聚合、时间序列与可视化。
02
再进入专项任务
用六套任务连接业务方案、数据挖掘、规则配置与测试设计。
03
强调可交付成果
每个阶段保留 Notebook、图表、HTML、流程图和答题材料等产出。
04
形成规范提交习惯
练习文件命名、成果核验、结构整理与模拟提交的完整流程。
Training Path
5+3递进培养，先形成方法，再完成专项实战
前置阶段解决数据处理与分析呈现问题，专项阶段解决业务表达、任务完成和成果规范交付问题。
Python数据分析与可视化能力筑基
从数据分析环境到综合项目，建立处理、分析、呈现与解释数据的完整基础，为后续专项任务提供直接支撑。
- NumPy、pandas、Excel 与 CSV 数据处理
- 清洗、合并、聚合、透视、时间序列和文本分析
- Matplotlib、Seaborn、Streamlit 与数据大屏
- RFM、零售或互联网金融综合分析项目
人工智能训练师专项任务实战强化
围绕六套专项任务进行真题解析、独立实操、讲师点评和全真模拟，将基础能力转化为结构化任务成果。
- 业务痛点、方案框架、人机协同与流程设计
- 数据挖掘、训练集、黄金测试集与 KS 偏差检验
- NLP 合同智能审查、JSON 规则、伪代码与测试方案
- 答题卷、Notebook、HTML 与成果文件规范提交
Capability Ladder
三层能力，贯通数据、业务与交付
每一层都不是孤立训练：工具支撑分析，分析支撑方案，方案最终落实为可检查、可复用的项目成果。
数据分析工具与代码能力
熟悉 Anaconda、Jupyter Notebook、NumPy、pandas 与常见文件读写，能够完成数据读取、筛选、计算、合并和整理。
直接支撑 B1.2、B2 的代码补全、数据读取和 Notebook 交付。
分析方法与业务理解
掌握聚合、透视、同比环比、相关性、时间序列、分词、关联分析和业务可视化，能够从数据中提取合理结论。
连接房屋交易挖掘、股票市场预测与合同文本预处理等任务。
专项任务与规范交付
训练业务痛点、流程图、实施计划、JSON 规则、伪代码、测试设计、成果核验和文件整理，形成完整交付习惯。
完成 B1.1、B3、B4、C 综合任务以及全真模拟提交。
Daily Practice
8天实训安排
每天围绕明确目标安排方法训练和实操产出，让学习过程始终有可检查的阶段成果。
PHASE 01 · 5天 / 40课时
Python数据分析与可视化能力筑基
从环境、数据结构到交互式应用与综合项目
环境、NumPy与pandas基础
搭建分析环境，掌握数组计算、Series、DataFrame 与 Excel/CSV 读写。
产出：首个数据分析 Notebook、数据筛选与排序练习。数据重塑、清洗与聚合
完成多表合并、缺失与异常处理、分类离散化、groupby、透视表和交叉表分析。
产出：可复用的数据清洗与聚合分析 Notebook。进阶分析、文本与关联分析
训练同比环比、相关性、时间序列、jieba 分词、词云与关联规则的应用方法。
产出：趋势分析、词云和餐厅推荐关联分析案例。Matplotlib与Seaborn可视化
学习图表选型、常用统计图、子图组合、Seaborn 风格及业务解读表达。
产出：覆盖趋势、对比、分布和相关关系的业务图表。Streamlit数据大屏与综合项目
整合处理、统计、可视化与交互能力，完成 RFM、零售或互联网金融项目练习。
产出：交互式数据大屏与综合分析项目报告。
PHASE 02 · 3天 / 24课时
人工智能训练师专项任务实战强化
从业务方案到模拟考核与文件提交
业务场景方案与流程设计
练习餐饮智能点餐、智慧物业与培训计划任务中的痛点拆解、流程图、实施计划和业务表达。
产出：B1.1、B3、B4 答题卷、流程图与通用答题模板。数据挖掘、数据集构建与测试
训练房屋交易挖掘、时间序列划分、KS 偏差检验、热点板块测试方案与 HTML 导出。
产出：B1.2 答题卷、Notebook、HTML、B2 测试方案。NLP合同智能审查与全真模拟
完成需求转化、系统流程、JSON 关键词规则、伪代码和多维度测试设计，并进行限时模拟。
产出：C 综合材料、模拟考核文件夹与完整性检查清单。Six Practice Tasks
六套专项任务，覆盖从方案到测试的完整链路
通过不同类型的业务和数据任务，练习技术实现、业务价值、任务成果和规范提交的统一表达。
餐饮智能点餐
围绕业务痛点、核心技术模块、人机协同、流程图与门店协作方案组织完整业务表达。
成果：答题卷、业务流程图、优化方案。
房屋交易挖掘
分析区域成交均价、价格趋势、房型偏好与房价利率关联，并完成 Notebook 代码补全与导出。
成果：答题卷、Notebook、HTML、业务价值结论。
股票市场指数预测
处理时间字段，构建训练集与黄金测试集，使用 KS 检验识别分布偏差并编写测试方案。
成果：训练集与黄金测试集、KS 偏差检测、热点板块测试方案、答题卷与 HTML。
智慧物业
把业务问题映射为智能产品功能、协同流程、量化目标、10周四阶段实施计划与风险资源应对。
成果：功能匹配表、不少于6节点的全链路流程图、实施计划。
培训计划编制
围绕智能家居控制系统设计培训结构、关键点、教学方法，并区分知识训练与技术训练。
成果：2天培训计划与完整模拟编写材料。
NLP合同智能审查
将合同审查业务转化为标准需求、系统流程、JSON 规则、核心伪代码与边界、覆盖、压力测试。
成果：答题卷、流程图、JSON 模板、伪代码和测试方案。
What You Will Gain
完成学习后，你将能够
通过阶段化训练，不只积累方法与模板，也能更有条理地处理数据、分析业务问题并组织项目成果。
课程将“数据分析能力”与“人工智能训练任务”放在同一条学习路径上：先理解和处理数据，再解释业务和提出方案，最后将结果组织为结构清晰、可检查的规范化成果。
你将拥有一套面对相似任务时可以复用的思考顺序：明确目标、准备数据、选择方法、形成结论、设计流程、补足测试，并完成提交前核验。
数据分析与可视化
处理表格数据、完成统计分析、绘制可解释图表并搭建基础数据大屏。
业务方案表达
拆解痛点、定义目标、组织人机协同流程并形成可沟通的方案结构。
数据集与测试设计
理解时序划分、特征构建、偏差检验和测试方案的基本方法。
NLP规则与伪代码
用需求、规则、流程与伪代码组织合同智能审查等应用任务。
规范化成果交付
完成答题卷、Notebook、HTML、流程图和测试材料的整理与核验。
任务复盘与纠偏
识别技术表达空泛、指标不可量化、时序处理错误等常见问题。
Who It Is For
适合希望系统提升任务解决与交付能力的学习者
建议具备 Python 核心语法、基础统计认知和 Excel 表格处理基础。无需预先系统掌握 pandas、机器学习模型训练或深度学习框架。
专项任务准备者
希望在进入专项任务训练前，先建立数据分析、业务分析与成果提交的系统基础。
Python基础学习者
掌握变量、循环、函数、列表与字典，但尚未系统学习 pandas、可视化和项目分析。
AI与数据相关从业者
从事 AI 应用、数据分析、信息化、软件开发、测试、运营分析或数字化工作。
项目交付能力提升者
希望同时提升数据处理、业务方案设计、流程表达、测试思维和规范材料整理能力。