人工智能 ChatGPT 的多种应用¶
L1.ChatGPT应用¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | ChatGPT 原理介绍 | 常用模型介绍 |
| 知识点 | 学会与 AI 对话，高效提升学习效率 | 高效提升学习效率 |
| 知识点 | 利用人工智能 ChatGPT 自动进行需求分析 | 自动进行需求分析 |
| 知识点 | 利用人工智能 ChatGPT 编写测试计划 | 自动生成测试计划 |
| 知识点 | 利用人工智能 ChatGPT 编写测试方案 | 自动生成测试方案 |
| 知识点 | 利用人工智能 ChatGPT 编写测试报告 | 自动编写报告 |
| 知识点 | 利用人工智能 ChatGPT 自动生成测试用例思维导图 | 自动生成测试用例思维导图 |
| 知识点 | 利用人工智能 ChatGPT 编写测试用例 | 自动编写测试用例 |
| 知识点 | 利用人工智能 ChatGPT 批量生成测试数据 | 自动批量生成测试数据 |
| 知识点 | 利用人工智能 ChatGPT 编写晋级报告 | 自动编写晋级报告 |
| 知识点 | 利用人工智能 ChatGPT 完善个人简历 | 完善个人简历 |
| 知识点 | 利用人工智能自动生成架构图 | 自动生成架构图 |
| 知识点 | 利用人工智能自动生成ppt | 自动生成ppt |
| 知识点 | 文生图介绍 | 图片生成技术与产品介绍 |
| 知识点 | 利用人工智能辅助学习 | 人工智能辅助学习各种测试技能，性能、安全、兼容、管理等 |
L2.GPT与代码分析结合¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 利用人工智能自动找 bug | Codex、Github Copilot |
| 知识点 | 结对编程助手 Github Copilot | Github Copilot 的应用介绍 |
| 知识点 | 利用人工智能 ChatGPT 自动生成自动化测试脚本 | 自动生成自动化测试脚本 |
| 知识点 | 利用人工智能 ChatGPT 自动生成基于 PO 的数据驱动测试框架 | 自动生成基于 PO 的数据驱动测试框架 |
| 知识点 | 基于人工智能的代码分析与 Bug 检测实战 | 分析研发代码 辅助 code review |
L3.AutoGPT 与 ChatGPT 插件开发¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | AutoGPT 理念与应用 | AutoGPT 的技术架构与介绍 |
| 知识点 | ChatGPT 插件开发 | ChatGPT 插件开发 |
| 知识点 | 实现定制化 AutoGPT 实战 | 定制自己的专属任务并与人工智能结合 |
L4.专属领域大语言模型应用¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | LangChain 项目介绍 | 设计思路，应用场景，主要模块，环境准备 |
| 知识点 | LangChain 核心模块 Models | ModelsIO，Prompts，Models，Parsers |
| 知识点 | LangChain 核心模块 Memorys | Memory的设计思路、应用场景、常见用法 |
| 知识点 | LangChain 核心模块 Chains | LLM Chain、Router Chain、Sequential Chain |
| 知识点 | LangChain 核心模块 Agents | 设计思路与应用场景、内置工具、定制工具 |
| 知识点 | 基于需求文档、设计文档、测试用例的测试答疑助手 | 基于LangChain的实战演练 |
L5.打造企业私有版大语言模型¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 清华大学 ChatGLM 大模型 | |
| 知识点 | Meta Llama 大模型 | |
| 知识点 | 搭建企业内部的大语言模型系统 |
视觉与图像识别自动化测试¶
L1.计算机视觉基础概念和技能¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 当前 UI 自动化测试技术概览及瓶颈分析 | 常见 UI 自动化框架工具及技术原理，前端 UI 自动化面临瓶颈点讲解：可测性、维护成本、场景理解、召回能力 |
| 知识点 | 基于传统的视觉 CV 处理技术 | 软件工程视角，解读基于传统视觉算法的 CV 技术，包括边缘检测、霍夫曼直线检测、模版匹配、SIFT 尺度不变特征变换检测、图像金字塔模型 |
| 知识点 | 基于机器学习的视觉 CV 处理技术 | 软件工程视角，解读基于深度卷积神经网络的视觉应用场景，图像聚类、图像去噪、目标检测、图像分割 |
L2.UI 视觉分析服务的技术实现¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | UI 页面理解技术介绍 | UI 页面结构树逆向解析 |
| 知识点 | UI 页面切分和聚合技术 | 像素扫描技术 、过滤干扰点、OCR 文本提取技术、自然语言段落聚合、非文本元素的判定。 |
| 知识点 | UI 页面结构树的逆向解析的服务化 | 使用 Python OpenCV 搭建 UI 视觉分析程序服务。 |
L3.UI 和自动化结合的案例实践¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 【可测性】基于无监督深度特征的视觉识别技术 | PyTorch 构建模型，实现无监督的模版匹配技术。 |
| 知识点 | 【场景理解】视觉场景案例之响应时间分析和弹窗检测 | 构建响应时间性能测试解决方案，使用 TensorFlow 完成（弹窗截图）目标检测模型和分类模型的应用，模型推理加速技术尝试。 |
| 知识点 | 【召回技术】视觉召回技术之有参照 UIDiff 检测技术 | 兼容机型下的 App 页面的智能视觉 Diff 检查解决方案，在自研数据集下进行验证有效性。 |
| 知识点 | 【召回技术】视觉召回技术之无参照模型预测技术 | 基于历史数据构建数据集，使用 Pytorch 构建异常页面、元素检测模型，实现异常元素的召回及可视化。 |
| 知识点 | 【综合案例】基于深度学习的遍历动作推荐实践 | 基于开源 RICO 数据集，使用 TensorFlow 和 Keras 构建深度学习网络模型，对时序 App 页面截图进行动作推荐预测，实现拟人化的智能遍历。 |
PyTorch 深度学习¶
L1.PyTorch 简介¶
| 形式 | 章节 |
|---|---|
| 知识点 | Pytorch 框架简介 |
| 知识点 | 人工智能与深度学习 |
| 知识点 | Tensors 张量 |
| 知识点 | 数据集和数据加载器 |
| 知识点 | Transforms 预处理 |
| 知识点 | 构建神经网络 |
| 知识点 | Pytorch 中的自动微分 |
| 知识点 | 优化模型参数 |
| 知识点 | 保存并加载模型 |
| 知识点 | 通过示例学习 Pytorch |
L2.PyTorch 图像目标检测¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | torch.nn 究竟是什么？(一) | |
| 知识点 | torch.nn 究竟是什么？(二) | |
| 知识点 | 使用 TensorBoard 可视化 | |
| 知识点 | 卷积网络概述 | 介绍卷积网络等基础知识 |
| 知识点 | 卷积网络相关模型概述 | 介绍卷积网络经典的分类模型 |
| 知识点 | 常用数据集介绍 | 介绍常用数据集 |
| 知识点 | 图像预处理技术 | 介绍常用预处理方法 |
| 知识点 | 图像目标分类识别实战技术 | |
| 知识点 | 目标检测微调教程 | |
| 知识点 | 目标检测微调教程-实战（一） | |
| 知识点 | 目标检测微调教程-实战（二） |
L3.PyTorch 计算机视觉¶
| 形式 | 章节 |
|---|---|
| 知识点 | 计算机视觉的迁移学习 |
| 知识点 | 计算机视觉的迁移学习-实战 |
L4.1.PyTorch 强化学习¶
| 形式 | 章节 |
|---|---|
| 知识点 | 训练一个玩马里奥的强化学习智能体 |
| 知识点 | 训练一个玩马里奥的强化学习智能体-实战（一） |
| 知识点 | 训练一个玩马里奥的强化学习智能体-实战（二） |
L4.2.自然语言处理¶
| 形式 | 章节 |
|---|---|
| 知识点 | 自然语言处理（一） |
| 知识点 | 自然语言处理（二） |
| 知识点 | 自然语言处理（三） |
| 知识点 | 从头开始的自然语言处理（一） |
| 知识点 | 从头开始的自然语言处理（二） |
| 知识点 | 从头开始的自然语言处理（三） |
| 知识点 | 从头开始的自然语言处理（四） |
| 知识点 | 从头开始的自然语言处理（五） |
L5.迁移学习实现跨项目缺陷预测的案例实践¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 软件缺陷概述 | 常见缺陷介绍，缺陷预测的意义 |
| 知识点 | 迁移学习概述 | 常见的迁移学习方法介绍，如MMD、CORAL等 |
| 知识点 | 常用数据集及数据处理介绍 | 介绍常用的数据集和数据处理方法 |
| 知识点 | 项目内缺陷预测实现 | 使用预训练模型实现项目内的缺陷有无预测 |
| 知识点 | 在生产中部署 PyTorch 模型 | |
| 知识点 | 基于迁移学习的跨项目缺陷预测技术 | 结合迁移学习策略实现跨项目的软件缺陷预测 |
知识图谱与模型驱动测试¶
L1.知识图谱简介¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 知识图谱介绍及其应用领域概述 | 1.知识图谱讲解 2.知识图谱在搜索引擎中的应用 3.知识图谱在医疗领域应用实例 4.金融与推荐系统领域的应用 5.数据获取分析 |
| 知识点 | 知识图谱涉及技术点概述 | 1.数据关系抽取分析 2.常用NLP技术点分析 3.graph-embedding的作用与效果 4.金融领域图编码实例 5.视觉领域图编码实例 6.图谱知识融合与总结分析 |
L2.图数据库应用¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | Neo4j 数据库实战技术 | 1.Neo4j 图数据库介绍 2.Neo4j 数据库安装流程演示 3.可视化例子演示 4.创建与删除操作演示 5.数据库更改查询操作演示 |
| 知识点 | 使用 python 操作 neo4j 实战技术 | 1.使用 Pv2neo 建立连接 2.提取所需的指示信息 3.在图中创建实体 4.根据给定实体创建关系 |
L3.金融平台风控模型实战¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 金融平台风控模型实战技术 | 1.图模型信息提取 2.节点权重特征提取（PageRank） 3.deepwalk构建图顶点特征 4.各项统计特征 5.图中联系人特征 |
L4.知识图谱与测试应用¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 单元测试用例生成 | 使用 EvoSuite 自动生成单元测试用例 |
| 知识点 | 自动化测试用例生成 | 使用 GraphWalker 实现自动化测试用例生成 |
| 知识点 | 接口测试用例自动生成技术 | 基于录制与接口关联实现接口测试用例自动生成 |
| 知识点 | Web 测试用例生成 | 基于 Web 遍历与录制技术实现 Web 自动化测试用例生成 |
| 知识点 | App 测试用例生成 | 基于 App 遍历与录制技术实现 App 自动化测试用例生成 |
| 知识点 | 测试用例与代码变更关联分析 | 使用知识图谱实现精准测试效果 |
L5. 智能测试框架与测试分析¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 业务模型分析 | 基于需求、UI、接口实现业务领域的模型分析，构建业务知识图谱 |
| 知识点 | 模型驱动测试框架设计 | |
| 知识点 | 基于模型的测试用例自动生成 | 基于有限状态机与知识图谱实现测试用例的自动推导与生成 |
| 知识点 | 通用测试用例执行分析 | 测试用例时序图、流程图、思维导图的自动生辰应用 |
| 知识点 | 测试覆盖度量 | UI 覆盖度、控件覆盖度、接口覆盖度、参数组合覆盖度的测试覆盖度分析 |
| 知识点 | 测试用例变更与新老版本 DIFF 分析 | UI DIFF、接口 Diff |
人工智能产品测试¶
L1. 人工智能概念基础¶
价值¶
- 了解人工智能基本概念
- 了解特征与模型在人工智能中如何运作并产生价值
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 专家系统与机器学习的概念 | 从专家系统到机器学习的转变，人工智能的历史，人工智能都在做什么事情，通过什么策略解决现实中的问题 |
| 知识点 | 特征的概念 | 在机器学习中特征的含义，什么是离散特征，什么是连续特征，什么是单行特征和多行特征（时序特征） |
| 知识点 | 模型的概念 | 模型是特征与权重的数据库。 模型是通过什么原理帮助业务解决问题。 |
L2. 人工智能算法基础¶
价值¶
- 了解人工智能算法的基本原理，了解算法如何解决实际的问题。
- 结合算法原理了解在实际的项目中算如何帮助业务解决问题。
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 最简单的算法：逻辑回归的介绍 | 通过最简单的场景来讲解机器学习算法的工作原理， 了解多分类，二分类和回归问题的对应场景与区别。 |
| 知识点 | 超参数 | 激活函数，训练轮数，batch size等超参数的含义。 |
| 知识点 | 信用卡反欺诈 | 通过简单的案例来介绍人工智能是如何解决信用卡反欺诈的 |
| 知识点 | 推荐系统 | 通过简单的案例来介绍人工智能是如何解决推荐系统的 |
L3. 人工智能系统业务与架构拆解¶
价值¶
- 了解成熟的人工智能系统的业务形态。
- 了解成熟的人工智能系统所使用的架构设计。
- 了解大数据技术在人工智能系统中的作用，以及测试人员要如何去学习并开展大数据相关的测试活动。
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 人工智能与大数据 | 为什么人工智能=大数据+机器学习。人工智能与大数据有着何种关系。在一个人工智能系统中，大数据模块都发挥着怎样的作用。 |
| 知识点 | 人工智能中的云计算与边缘计算 | 云计算与边缘计算在人工智能场景中占有怎样的地位 |
| 知识点 | 自学习，数据闭环 | 人工智能系统中的数据流是如何设计的。 |
| 知识点 | 模型的实时训练与更新（迁移学习） | parameter server的作用，系统如何利用parameter server进行实时训练与迁移学习 |
L4. 数据采集与处理详解¶
价值¶
- 了解根据大数据和人工智能的特点如何采集并拆解测试数据。
- 了解在人工智能系统中数据质量的作用，并学会如何开展相关的数据质量保障工作。
- 通过大数据与模型的特点讲述在人工智能场景中应该根据什么样的规则构建性能测试场景，又应该如何构建相关测试数据。
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 数据的重要性：训练集，验证集，测试集 | 数据对于人工智能来说的重要性，并说明各个数据集不同的使用场景以及如何拆分不同的数据集 |
| 知识点 | 选取数据的注意点 | 采集数据集时的注意事项（真实数据，时序性以及不同的数据分布） |
| 知识点 | 模型质量的关键：数据质量保障 | 介绍数据质量的关键要素，以及在人工智能产品中如何监控生产环境的数据质量 |
| 知识点 | 数据分布带来的性能差异与性能测试数据构建关键点 | 同样规模的数据，为何性能不同，讲解数据的分布/分区等因素是如何影响模型和分布式计算的性能的，测试人员如何设计相关的的测试场景 |
L5. 计算机视觉场景¶
价值¶
- 了解人工智能如何解决计算机视觉场景的问题。
- 了解在计算机视觉场景下如何开展相关测试活动。
- 了解在计算机视觉场景下的边缘计算与测试场景。
- 了解在计算视觉场景下如何构建和处理测试数据。
| 形式 | 章节 | 描述 |
|---|---|---|
| 知识点 | 神经网络与深度学习 | 详细介绍神经网络的概念， 它与深度学习的联系 |
| 知识点 | 卷积神经网络介绍 | 卷积神经网络的概念， 它与普通的神经网络有何不同 |
| 知识点 | 目标检测，行为识别，人脸识别等场景介绍 | 常见的计算机视觉的业务场景，计算原理等。 |
| 知识点 | 计算机视觉场景下如何开展效果测试 | 在计算机视觉场景下，评估模型的场景与普通场景有什么区别。 |
| 知识点 | 计算机视觉场景下如何开展性能测试 | 在视频流场景下，模型的原理，以及在此场景下影响性能测试的因素。 |
| 知识点 | 再提边缘计算与相关测试场景 | 在大部分的场景中，终端摄像头设备往往出现在边缘计算场景中，而在这个场景中测试人员需要如何开展测试活动。 |
Python 编程语言（赠课）¶
L1.Python语法与数据结构¶
教学目标¶
- 熟悉 Python 基本操作
- 掌握 Python 基本数据类型
- 掌握 Python 控制流
- 掌握 Python 常用数据结构
- 掌握 Python 面向数据对象的应用
知识点¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 录播 | 初识Python | Python 发展历史，Python 特点，应用领域 |
| 录播 | 安装Python（Windows） | 下载，安装步骤，检验安装效果 |
| 录播 | 安装Python（macOS） | 下载，安装步骤，检验安装效果 |
| 录播 | 安装PyCharm | 下载，安装 |
| 录播 | 第一个Python程序 | 使用 print()输出 |
| 录播 | PyCharm常用快捷键 | 常用快捷键，官方手册 |
| 录播 | 编码规范 | 缩进，注释，命名规范 |
| 录播 | 输入和输出 | 输入函数，输出函数 |
| 录播 | 函数定义与调用 | 什么是函数，内置函数，函数定义，函数调用 |
| 录播 | 标识符 | 标识符概念，命名规范 |
| 录播 | 关键字 | 什么是关键字，查看关键字 |
| 录播 | 变量 | 变量概念，变量的定义，变量的使用，变量的地址 |
| 录播 | 数据类型 | 标准数据类型，类型查看 |
| 录播 | 数字类型 | 整数，浮点数，复数 |
| 录播 | 布尔类型 | 条件判断，状态标记，假值状态 |
| 录播 | 类型转换 | 自动转换，强制转换 |
| 录播 | 运算符 | 什么是运算符 |
| 录播 | 算术运算符 | +，-，，/，%，//，* |
| 录播 | 赋值运算符 | =，+=，-=，*=，/= |
| 录播 | 关系运算符 | ==，!=，>，<=，<，>= |
| 录播 | 逻辑运算符 | and，or，not，短路特性 |
| 录播 | 成员运算符 | in，not in |
| 录播 | 身份运算符 | is， is not ， is 与 == 的区别 |
| 录播 | 三目运算符 | true_expr if expression else false_expr |
| 录播 | 运算符优先级 | 规则，括号 |
| 录播 | 字符串 | 什么是字符串，字符串定义，转义字符，字符串下标 |
| 录播 | 字符串操作 | 统计查找替换类，字符串判断类，字符串转换类，字符串对齐类，字符串去除空白类，字符串分割类，字符串连接类，编码解码类，切片操作 |
| 实战 | 字符串综合实战 | 相关知识点：字符串操作 |
| 录播 | 字符串格式化 | 什么是字符串格式化，format()方法，f-string字符串 |
| 录播 | 元组 | 什么是元组，元组的定义，元组中元素的引用，元组的切片操作，元组的特点，元组的应用场景，元组的常用方法 |
| 录播 | 列表 | 什么是列表，列表的特点，列表的定义，列表中元素的引用，列表中元素的修改，列表的切片操作，列表的用途 |
| 录播 | 列表操作 | 获取列表元素个数，统计查找操作，增加元素，删除元素，列表排序 |
| 录播 | 元组和列表的区别 | 相同点，不同点 ，内存占用，总结对比 |
| 录播 | 字典 | 字典的定义，字典的创建，字典数据访问 ，字典元素添加与修改 ，字典元素的删除 ，字典的有序性（Python3.7+），字典的应用场景 |
| 录播 | 字典操作 | 字典数据获取类操作，字典添加更新类操作，字典删除类操作 |
| 录播 | 集合 | 什么是集合，集合的创建， |
| 录播 | 集合操作 | 添加操作，删除操作 ，集合数据操作 |
| 录播 | 深拷贝与浅拷贝 | 什么是拷贝，浅拷贝，深拷贝 |
| 录播 | 分支语句-if | 什么是分支语句，if 条件判断，if... else 判断语句 ，if... elif... else 多重条件，分支嵌套 |
| 实战 | 回文数(切片实现) | 相关知识点：运算符，分支语句-if，字符串操作 |
| 实战 | 成绩判断 | 相关知识点：类型转换，分支语句-if |
| 实战 | 计算器 | 相关知识点：类型转换，运算符，分支语句-if |
| 实战 | 模拟乘车过程 | 相关知识点：分支语句-if |
| 录播 | 匹配语句-match | 匹配语句match介绍，基本语法结构， | 组合多个匹配值 ，匹配模式绑定变量 |
| 录播 | 循环语句-while | 什么是循环，程序中的循环，循环的作用，循环的构成要素 ，什么是 while 循环，while 循环的语法，while 循环实战 |
| 录播 | 循环语句-for-in | for-in 循环的语法， 遍历可迭代对象 |
| 实战 | 回文数(循环实现) | 相关知识点： 类型转换，运算符，循环语句-for-in |
| 录播 | 数字序列 | range函数，range函数的基本语法 ，随机数 |
| 实战 | 猜数字 | 相关知识点：循环语句-while，循环语句-for-in |
| 实战 | 猜拳游戏 | 相关知识点：分支语句-if，运算符，列表 |
| 实战 | 打印图案 | 相关知识点：循环语句-for-in，循环嵌套 |
| 实战 | 词频统计 | 相关知识点：列表，列表操作，字符串操作，字典，字典操作，for-in循环，分支语句-if |
| 实战 | 水仙花数 | 相关知识点：运算符，循环语句-for-in，分支语句-if，函数返回值与参数处理 |
| 录播 | 循环嵌套 | 循环嵌套特征 |
| 实战 | 数字组合 | 相关知识点：分支语句-if，循环语句-for-in，循环嵌套 |
| 录播 | 循环跳转 | 死循环，break 语句， continue 语句，loop-else |
| 录播 | 推导式 | 元组推导式，列表推导式， 字典推导式， 集合推导式 |
| 录播 | 函数返回值与参数处理 | 函数返回值，参数传递，位置参数，关键字参数，默认值参数 ，可变参数，混合参数 |
| 录播 | 变量作用域 | 局部变量，全局变量 ，全局变量和局部变量的优缺点 |
| 实战 | 素数 | 相关知识点：运算符，循环语句-for-in，分支语句-if，函数返回值与参数处理 |
| 录播 | 匿名函数 | lambda 表达式， 使用场景 ，Sorted函数实现原理 |
| 录播 | 递归算法 | 递归的基本原则 ，递归使用举例-阶乘 |
| 实战 | 阶乘 | 相关知识点：分支语句-if，递归算法，函数返回值与参数处理 |
| 实战 | 斐波那契数列 | 相关知识点：分支语句-if，递归算法，函数返回值与参数处理 |
L2.Python面向对象编程¶
教学目标¶
- 熟悉 Python 封装、继承、多态
- 掌握 Python 模块与包
- 掌握 Python 调试与分析方法
- 掌握 Python 装饰器的的应用
知识点¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 录播 | 闭包与装饰器 | 函数引用， 闭包， 装饰器 |
| 实战 | 计数器函数 | 相关知识点：闭包与装饰器 |
| 录播 | 文件操作 | 文件打开，文件关闭，文件读取，文件写入 |
| 实战 | 读写文件 | 相关知识点：文件操作 |
| 录播 | 错误分析与调试 | 错误分析，print调试，debug调试 |
| 录播 | 异常处理 | 异常介绍，捕捉异常，异常处理 |
| 实战 | 计算器 | 相关知识点：异常处理， 分支语句-if， 函数返回值与参数处理 |
| 录播 | 面向对象概念 | 面向过程编程，面向对象编程，面向对象VS面向过程 |
| 录播 | 类和对象 | 概念，定义，class ，实例对象 |
| 录播 | 实例属性 | 动态绑定定义，访问 |
| 录播 | 构造方法 | __init__()， self, __str__() |
| 录播 | 实例方法 | 实例方法定义， 实例方法调用 |
| 录播 | 类属性 | 定义，类对象，访问 |
| 录播 | 类方法 | 定义，访问 |
| 录播 | 静态方法 | 定义，访问 |
| 实战 | 矩形面积和周长 | 相关知识点：静态方法， 函数返回值与参数处理 |
| 录播 | 封装 | 访问控制权限， 公有属性，保护属性， 私有属性，_和__前缀 |
| 录播 | 继承 | 继承的概念，单继承，方法重写，super函数的使用，多继承 |
| 录播 | 多态 | 概念，表现，鸭子类型，类型检查 |
| 实战 | 动物园 | 相关知识点：实例方法，实例属性，类属性，构造方法，封装，继承，多态 |
L3.Python常用模块¶
教学目标¶
- 掌握常用的内置库
- 掌握常用的第三方库
- 掌握 Python 的环境管理
知识点¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 录播 | 模块 | 模块的导入，内建模块，自定义模块，第三方模块，dir() 函数 |
| 录播 | 包 | 包的概念，package 用途，package 导入，init.py |
| 录播 | random模块 | 常用方法 |
| 录播 | sys模块 | sys常用属性，sys常用方法 |
| 录播 | os模块 | 路径操作，目录和文件操作，其它操作 |
| 录播 | datetime模块 | 应用场景，日期时间处理函数 |
| 录播 | 正则表达式 | 正则表达式介绍， 常用正则符号，常用正则方法 |
| 录播 | JSON模块 | JSON 概念，Python 与 JSON 数据类型对应，JSON 序列化与反序列化，JSON 文件的写入和读取 |
| 录播 | 日志模块 | 日志四大组件，日志等级，日志配置 |
| 录播 | 虚拟环境管理 | 虚拟环境介绍，虚拟环境配置安装 |
| 录播 | pip工具使用 | pip 常用操作， pip 指定安装源 |
L4.Python高级编程¶
知识点¶
| 形式 | 章节 | 描述 |
|---|---|---|
| 录播 | 多任务编程 | 多任务介绍，多任务编程 |
| 录播 | 多任务进程编程 | 进程实现多任务 |
| 录播 | 多任务线程编程 | 线程实现多任务 |
| 录播 | 多任务协程编程 | 协程实现多任务 |
| 录播 | 网络编程 | IP 地址与端口，通信协议，Socket 编程，Socket 开发流程，多任务开服务端 |
| 录播 | 数据库操作 | 数据库连接创建，游标对象使用，查询操作，插入操作， 更新操作，删除操作 |
| 录播 | yaml 文件处理 | 什么是 YAML 文件，为什么要使用 YAML 文件，YAML 的基本语法规则，YAML 的数据结构，YAML 文件处理 |
| 录播 | Pytest 测试框架 | Pytest 简介，环境安装与配置，命名规则，断言，测试装置，数据参数化，使用 YAML 文件进行数据驱动测试 |