一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
数据科学——包括机器学习、数据分析和数据可视化
脚本
web开发
基于Python(如Django和Flask)的Web框架最近在Web开发中非常流行。
这些web框架帮助您用Python创建服务器端代码(后端代码)。这是运行在服务器上的代码，而不是用户设备和浏览器上的代码(前端代码)。如果您不熟悉后端代码和前端代码的区别，请参阅我下面的脚注。
但是等等，为什么我需要一个web框架呢?
这是因为web框架更容易构建通用后端逻辑。这包括将不同的url映射到Python代码块、处理数据库和生成用户在浏览器上看到的HTML文件。
我应该使用哪种Python web框架?
Django和Flask是两个最流行的Python web框架。如果你刚刚开始，我建议你使用其中的一种。
Django和Flask有什么不同?
主要对比:
Flask提供了简单、灵活和细粒度的控制。它是无约束的(它让您决定如何实现事物)。
Django提供了一种全面的体验:为您的应用程序和项目提供了一个管理面板、数据库接口、ORM[对象-关系映射]和目录结构。
你应该选择:
如果您关注经验和学习机会，或者您想要更多地控制使用哪些组件(例如您想要使用哪些数据库以及您想要如何与它们交互)，那么您可以使用Flask。
Django，如果你专注于最终的产品。特别是如果您正在处理一个简单的应用程序，例如一个新闻站点、一个电子商店或博客，并且您希望总是有一个单一的、明显的做事方式。
换句话说，如果您是初学者，那么Flask可能是一个更好的选择，因为它需要处理的组件比较少。此外，如果您想要更多的定制，Flask是一个更好的选择。
另一方面，如果您希望直接构建一些东西，Django可能会让您更快地实现这一点。
数据科学
首先，让我们复习一下什么是机器学习
我认为解释机器学习的最好方法是给你们举个简单的例子。
假设您想要开发一个程序来自动检测图片中的内容。
因此，根据下面这张图(图1)，您希望您的程序能够识别它是一只狗。
考虑到下面的另一个(图2)，您希望您的程序认识到它是一个桌子。
你可能会说，我可以写一些代码来实现。例如，如果图片中有很多浅棕色的像素，那么我们可以说它是一只狗。或者，你可以找出如何检测图片的边缘。然后，你可能会说，如果有很多条直边，那么它就是一个表格。
然而，这种方法很快就会变得棘手。如果照片里有一只没有棕色毛发的白狗呢?如果这张图只显示了桌子的圆形部分呢?
什么是机器学习。
机器学习通常实现自动检测给定输入中的模式的算法。
比如说，你可以给一个机器学习算法提供1000张狗的图片和1000张桌子的图片。然后，它会学习狗和桌子之间的区别。当你给它一张狗或桌子的新图片时，它就能认出这是哪一张。
我认为这有点类似于婴儿学习新事物的方式。一个婴儿怎么知道一个东西长得像狗，而另一个东西长得像桌子?可能是从一堆例子中得到的。
你可能不会明确地告诉婴儿，“如果什么东西是毛茸茸的，长着浅棕色的毛，那么它可能是一只狗。”你可能会说:“那是一只狗。”这也是一只狗。这是一张桌子。那张也是桌子。”
机器学习算法也是如此。你可以把同样的想法应用到:
推荐系统(想想YouTube、Amazon和Netflix)
人脸识别
语音识别
在其他应用程序中。你可能听说过的流行的机器学习算法包括:
神经网络
深度学习
支持向量机
随机森林
您可以使用上面的任何一种算法来解决我前面解释的图片标记问题。
机器学习中的Python
Python有很多流行的机器学习库和框架。其中最受欢迎的两个是scikit-learn和TensorFlow。
scikit-learn内置了一些更流行的机器学习算法。我上面提到了其中的一些。
TensorFlow更像是一个底层库，它允许您构建自定义机器学习算法。
如果你刚刚开始一个机器学习项目，我建议你先从scikit-learn开始。如果你开始遇到效率问题，那么我将开始研究TensorFlow。
我应该如何学习机器学习?
为了学习机器学习的基础知识，我推荐斯坦福吴恩达的机器学习课程。
https://www.coursera.org/learn/machine-learning
请注意，你需要微积分和线性代数的基础知识来理解这些课程中的一些材料。
然后，在Kaggle实践您从这些课程中学到的内容。这是一个网站，人们在这里竞争，为一个给定的问题建立最好的机器学习算法。他们也有很好的初学者教程。
使用Python进行数据分析/可视化
用于数据可视化的最流行的库之一是Matplotlib。这是一个很好的入门库，因为:这很容易开始
一些其他的库，比如seaborn就是基于它的。因此，学Matplotlib将帮助您以后学习这些其他库。
最后
为了帮助大家更好的学习Python，小编给大家准备了一份Python学习资料，里面的内容都是适合零基础小白的笔记和资料，不懂编程也能听懂、看懂，需要获取方式：扫描下方即可获取。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
