阿牛实验室让课堂内容真正可以参与
Python 编程与科学计算可以开始学习

Python编程与科学计算

从基础语法到网络日志分析与异常检测

从配置环境和运行程序开始，围绕网络日志完成数据准备、分类统计、规范化、对象建模、可视化与异常检测。

Python 3.10.11网络日志NumPyPandas异常检测
正在读取学习记录…查看课程目录
24学习主题
6模块
Python实践环境

沿着日志准备、分类统计、规范化、对象建模、可视化与异常检测逐步学习。

完成课程后

你将完成什么

01

建立统一的 Python 开发环境并独立运行程序

02

用函数、文件和对象完成日志统计、规范化与分析器设计

03

使用科学计算工具分析网络运行数据并制作图表

04

完成网络日志异常检测系统并解释结果与局限

学习路线

课程目录

6 个模块，24个学习主题。沿着日志准备、分类统计、规范化、对象建模、可视化与异常检测逐步学习。

01Python 环境、基础语法与日志数据准备3 个主题

从配置环境和运行程序开始，用变量、输入输出和格式化表达网络日志。

  1. 01课程导入：认识 Python 与星潮生存战正在读取
  2. 02变量、基础数据类型、表达式与输入输出正在读取
  3. 03实验1：网络运行日志模拟与数据准备正在读取
02流程控制、函数与日志分类统计3 个主题

用条件、循环、字典和函数完成日志分类、频次统计与阈值判断。

  1. 04分支、循环与常用数据结构正在读取
  2. 05函数设计、模块组织与标准库正在读取
  3. 06实验2：网络日志分类与统计工具正在读取
03文件、异常处理与日志规范化4 个主题

解析原始日志、转换字段并处理错误，形成规范化数据和无效记录说明。

  1. 07文本、CSV 与 JSON 文件读写尚未开放
  2. 08日志字段转换、相对路径与异常处理尚未开放
  3. 09实验3：日志解析与无效记录处理尚未开放
  4. 10实验3：规范化输出与完整运行尚未开放
04面向对象、日志分析器与测试4 个主题

用日志记录类和分析器类组织数据，通过对象协作完成筛选、查询和统计。

  1. 11类、对象、属性、方法与封装尚未开放
  2. 12实验4：日志记录对象与状态变化尚未开放
  3. 13实验4：日志分析器与对象协作尚未开放
  4. 14实验4：对象行为与基础测试尚未开放
05科学计算、网络运行数据分析与可视化5 个主题

使用 NumPy、Pandas 和 Matplotlib 分析网络运行数据，并用图表解释趋势与分布。

  1. 15NumPy 数组、索引、切片与向量化计算尚未开放
  2. 16Pandas 数据清洗、指标计算与 Matplotlib 表达尚未开放
  3. 17实验5：日志清洗与分组统计尚未开放
  4. 18实验5：时间窗口与网络运行图表尚未开放
  5. 19实验5：结果解释、复现与报告尚未开放
06网络日志异常检测与系统整合5 个主题

组合规则与统计方法识别网络日志异常，整合数据处理、分析、图表与检测结果。

  1. 20网络异常、检测规则、误报与漏报尚未开放
  2. 21统计异常检测与结果评价尚未开放
  3. 22实验6：规则与统计异常检测尚未开放
  4. 23实验6：异常结果解释与系统测试尚未开放
  5. 24实验6：系统整合与项目报告尚未开放