浏览数量： 800 作者： 本站编辑 发布时间： 2023-02-20 来源： 本站
Python 数据分析及办公应用
1. 数据分析及办公应用
| Python 基础 | 内容 | 课时 |
| Python 基础语法 | ▫ 认识 Python ▫ 第一个 Python 程序 ▫ 注释 ▫ 标识符和关键字 ▫ 输入和输出 ▫ 运算符 ▫ 数据类型转换 ▫ PEP8 编码规范 | 1 |
| if 判断语句 | ▫ 比较关系运算符 ▫ if 语句语法格式 ▫ if 案例-猜拳游戏 ▫ 三目运算符 | 1 |
| while 循环语句 | ▫ while 语句语法格式 ▫ while 应用案例 ▫ while 循环嵌套 ▫ break 和 continue ▫ while 循环案例 | 1 |
| Python 常用容器 | ▫ 字符串 ▫ 列表 ▫ 元组 ▫ 字典 ▫ 有序字典（ OrderDict ） ▫ 公共操作 | 1 |
| 函数（ 一 ） | ▫ 函数概念和作用 ▫ 函数定义、调用 ▫ 函数的参数（ 一 ） ▫ 函数的返回值（ 一 ） ▫ 函数的说明文档 ▫ 函数的嵌套调用 ▫ 函数应用：打印图形和数学计算 | 1 |
| 函数（ 二 ） | ▫ 局部变量 ▫ 全局变量 ▫ 多函数程序的执行注意问题 ▫ 函数的返回值（ 二 ） ▫ 函数参数（ 二 ） ▫ 组包和拆包 ▫ 引用 ▫ 可变、不可变类型 | 1 |
| 函数（ 三 ） | ▫ 递归函数 ▫ 匿名函数 ▫ 高阶函数 | 1 |
| 文件读写 | ▫ 文件、目录操作相关操作 ▫ 文件的打开与关闭 ▫ 文件的读写 | 1 |
| 面向对象（ 一 ） | ▫ 类和对象概念 ▫ 类的定义 ▫ 创建对象 ▫ 添加和获取对象属性 ▫ self 参数 ▫ _init_方法 ▫ _str_方法 ▫ 私有属性和私有方法 ▫ 面向对象案例 | 1 |
| 面向对象（ 二 ） | ▫ 继承的概念 ▫ 子类和父类方法同名 ▫ 子类调用父类同名方法 ▫ 多继承 ▫ 多态 ▫ 类属性和实例属性 ▫ 类方法和静态方法 | 1 |
| 异常 | ▫ 异常概念 ▫ 捕获异常 ▫ 异常的传递 ▫ 自定义异常 | 1 |
| 模块 | ▫ 模块介绍 ▫ 模块的导入 ▫ 模块中的_all_ ▫ 模块中_name_的作用 | 1 |
| 包 | ▫ 包的概念 ▫ 包的导入 | 1 |
| 基于 Python 的项目开发 | ▫ 完成一些 Python 的开发实践 | 1 |
| 数据分析 | 内容 | 课时 |
| 数据分析 | ▫ 什么是数据分析及其重要性 ▫ 数据分析的应用领域 ▫ 数据分析的基本概念：数据、变量、观测等 ▫ 数据分析的基本步骤 ▫ 数据分析中的常用工具和技术 | 1 |
| 数据分析中的概率基础 | ▫ 概率基础概述 ▫ 随机变量与概率分布 ▫ 常见的概率分布：正态分布、二项分布、泊 松分布等 ▫ 概率的统计性质 ▫ 假设检验和置信区间的基本原理 | 1 |
| Anaconda 的使用 | ▫ Anaconda 的介绍和安装 ▫ Anaconda 环境管理 ▫ 使用 Anaconda 的 Jupyter Notebook 进 行数据分析 ▫ Anaconda 中常用的 Python 库和包的安 装与管理 | 1 |
| 数据预处理实践 | ▫ 数据清洗：处理缺失值、异常值等 ▫ 数据转换：特征工程、数据标准化、编码等 ▫ 数据抽样和分割 ▫ 数据合并和连接 | 1 |
| 数据的可视化 | ▫ 数据可视化的重要性 ▫ 常用的数据可视化工具和库 ▫ 基本的可视化图表：散点图、直方图、箱线图等 ▫ 数据可视化的原则和最佳实践 | 1 |
| 数据分析实践 | ▫ 探索性数据分析（ EDA ）的原则 ▫ 数据建模和预测 ▫ 数据分析中的决策支持 ▫ 数据分析案例研究 ▫ 不同行业的商业数据分析案例实践 | 1 |
2.基于 Python 及 AIGC 的高效自动化办公
| 序号 | 基于 Python 及 AIGC 的 高效自动化办公 | 内容 | 课时 (10) |
| 1、自动化处理 PDF 文件 | 批量处理 PDF 文件 | ▫ 批量合并 PDF 文件 ▫ 批量拆分 PDF 文件 ▫ 批量加密 PDF 文件 | 1 |
| 批量为PDF文件 添加水印 | ▫ 自定义函数创建水印文件 ▫ 自定义函数添加水印 ▫ 使用循环为每个 PDF 文件添加水印 | ||
| 批量提取 PDF 文档中的 表格并写入 Excel | ▫ 提取 PDF 文档中的文本，表格和图片 ▫ PDF 文档的合并与拆分 ▫ 不同文档格式的相互转换 | ||
| 2、自动化处理 Word 文档 | 批量生成 Word 文档 | ▫ 读取文件并进行查找和替换 ▫ 使用循环套用模板生成合同 | 1 |
| 批量处理 Word 文档 | ▫ 将 Word 文档批量转换为 PDF 文件 ▫ 在 Word 文档中批量标记关键词 ▫ 在 Word 文档中批量替换关键词 | ||
| 用 Python—docx 库 操作 Word 文档 | ▫ Python—docx 常用对象 ▫ Python—docx 常用方法 | ||
| 利用 Python 进行文本 自动化处理 | ▫ 自动化处理设置页眉页脚 ▫ 使用使用段落特定的样式属性 ▫ 批量替换工作簿的单元格数据 | ||
| 利用 Python 制作企业 运营月报 Word 版 | ▫ 整理及清洗门店销售数据 ▫ 门店运营数据的可视化分析 ▫ 地区销售数据的可视化分析 ▫ 客户购买数据的可视化分析 ▫ 制作门店运营分析报告 | ||
| 利用 Python 制作企业 其他数据分析报表 | ▫ 地区销售数据的可视化分析 ▫ 客户购买数据的可视化分析 ▫ 制作地区销售分析报告 ▫ 制作客户消费分析报告 | ||
| 文件的格式转换 | ▫ 批量转换 .doc 文件为 .docx 文件 ▫ 批量统计文件页数及字数 ▫ 批量转换 Word 文件为 PDF 文件 | ||
| 3、自动化处理 Excel 工作薄 | Python 进行数据处理 | ▫ 重复值，缺失值及异常值的处理 ▫ 数据的删除，排序与索引 ▫ 批量替换工作簿的单元格数据 | 1 |
| 批量生成 Excel 工作簿 | ▫ xlwings 库中对象及其层次关系 ▫ 对 Excel 文件的增删改查 ▫ Pandas 库对 CSV 文件及 Excel 文件的操作 | ||
| Openpyxl 与 Pandas 的使用 | ▫ 操作大型工作簿 ▫ 使用 Openpyxl 读取及与入工作薄数据 ▫ 使用 Pandas 实现 Excel 数据的过滤，拆分及描述 | ||
| 批量生成 Excel 工作簿 | ▫ 提取出货统计表中的数据 ▫ 使用 for 语句创建产品出货清单 ▫ 批量替换工作簿的单元格数据 | ||
| 合并多个工作表 | ▫ 使用 xlwings 模块读取多个工作表中的数据 ▫ 新建工作簿存放合并后的数据 ▫ 将一个工作表拆分为多个工作簿 ▫ 批量拆分列数据 | ||
| 4、自动化处理 Power Point 演示文稿 | Python 操作 PPT 文件 常见应用 | ▫ Python-pptx 的常用操作及对象 ▫ 批量提取 PPT 中的表格并写入 Excel ▫ 读取 PPT 演示文稿中的图片 ▫ 向 PPT 演示文稿中添加文本，段落，表格并调整样式 | 1 |
| 批量处理 Power Point 演示文稿 | ▫ 批量提取演示文稿中的文本内容 ▫ 将演示文稿批量导出为图片和 PDF 文件 ▫ 自动读取图文素材制作演示文稿 ▫ 批量提取演示文稿中的图片素材 | ||
| 5、自动化处理 电子邮件 | 批量自动发送电子邮件 | ▫ 获取 SMTP 授权码 ▫ 自动发送文本格式的电子邮件 ▫ 自动发送 HTML 格式的电子邮件 ▫ 自动发送带附件的电子邮件 | 1 |
| 常用邮件协议与远程控制 | ▫ POP3、SMTP 和 IMAP ▫ 用 smtplib 模块的简介及自动收发定制邮件 ▫ 用 imapclient、pyzmail 库自动收邮件 ▫ 使用 Python 远程控制计算机 | ||
| Python 自动化 办公的拓展应用 | ▫ Python 其他常用开源模块简介 ▫ 使用 PySimpleGUl 为 Python 程序增加用户图形界面 ▫ Pylnstaller 的简介及使用 ▫ 将 Python 程序打包成可执行文件 | ||
| 6、自动化办公 综合实践 | HR 自动化办公综合实践 | ▫ 利用 Python 批量发送工资条或缴费单 ▫ 利用 Python 批量筛选工作简历 | 1 |
| 财务自动化办公综合实践 | ▫ 利用 Python 智能识别财务发票信息 ▫ 利用 Python 批量提取合同数据 | ||
| 行政自动化办公综合实践 | ▫ 利用 Python 批量制作电子名片 ▫ Python 制作钉钉及飞书机器人自动发送文本及信息 ▫ 基于 Python 实现企业微信机器人的自动化操作 ▫ 利用 Python 自动发送电商会员邮件 | ||
| 7、AIGC 在高效 办公中的应用 | AIGC 技术概述 | ▫ 人工智能生成内容（ AIGC ）的基本概念 ▫ 常用的 AIGC 工具工具体验 ▫ 文本生成器、图像创作工具和自动化数据分析系统 ▫ 自动化内容创建和工作流程优化 | 1 |
| AIGC 在高效办公中的应用 | ▫ 使用 AIGC 简化日常任务和提高效率 ▫ 如何根据不同的工作需求选择合适的 AIGC 工具 ▫ AIGC 技术在创意和设计工作中的应用 ▫ 使用过程中的数据安全及隐私保护 | ||
| 8、AIGC 在不同 行业的实践案例 | 行政领域 | ▫ 自动化文档处理：使用 AIGC 生成和编辑官方文档、报告和呈送材料 ▫ 会议管理：利用 AIGC 进行会议记录、自动生成会议纪要和行动项 ▫ 日程安排优化：使用 AI 辅助工具进行高效的日程规划和管理 | 1 |
| 采购领域 | ▫ 市场分析：利用 AIGC 进行市场趋势分析和价格预测 ▫ 供应商评估：使用 AI 工具进行供应商评估和选择 ▫ 合同管理：AIGC 技术在合同草拟和审核中的应用 | ||
| 运营领域 | ▫ 流程优化：使用 AIGC 分析和优化操作流程 ▫ 库存管理：利用 AI 进行库存预测和自动补货 ▫ 客户服务：使用 AI 驱动的聊天机器人提供即时客户支持 | ||
| 工程领域 | ▫ 设计辅助：利用 AIGC 工具进行工程设计和模拟 ▫ 项目管理：使用 AI 进行项目进度预测和资源优化 ▫ 维护和故障预测：运用 AI 进行设备维护计划和故障预测 | ||
| 金融领域 | ▫ 市场分析和预测：利用 AIGC 工具进行金融市场的趋势分析和预测 ▫ 风险管理：使用 AI 进行信贷风险评估、斯诈检测和合规性监控 ▫ 个性化金融建议：通过 AI 提供定制化的投资建议和财务规划服务 ▫ 自动化报告生成：使用 AIGC 技术自动生成报告和市场分析 ▫ 客户服务优化：部署 AI 驱动的聊天机器人和客户服务工具 |
课程特色
多领域覆盖： 涵盖Python编程、数据分析、人工智能、自动化办公、算法与数据结构等多个领域，为学员提供全面而实用的技能。
前沿技术学习：重点关注人工智能、虚拟人物设计、AI生成技术等前沿领域，培养学员在数字时代的创新能力。
实践技能提升： 通过项目实战、案例分析等方式，强调实际操作与问题解决，使学员能够熟练应用所学知识。
问题解决思维培养： 着重算法与数据结构的教学，培养学员分析和解决问题的思维方式，提高编程能力。
综合能力提升： 所学知识体系跨学科，使学员具备全面综合应对复杂技术和业务挑战的能力。
