Python学习路线【本科还在迷茫的宝子们抓紧收藏起来跟着学习吧】

Python基础语法： 理解Python的基本语法规则，掌握基础Python语法和变量类型以及基本的数据结构，学会声明变量、使用运算符等。（我的博客中有完整的基础语法课程，感兴趣的可以学习一下）
数据类型和变量： 掌握Python中的数据类型，包括数字、字符串、列表等，并学习如何使用变量存储和操作数据。
控制结构： 理解条件语句（if-else）、循环语句（for、while）等控制结构，以实现程序的流程控制。
函数： 学会定义和调用函数，了解函数的参数传递、返回值等概念。

Python基础知识学习链接：

视频链接：路飞学城 - 帮助有志向的年轻人通过努力学习获得体面工作

文档教程：Python 教程 — Python 3.7.13 文档

网页链接：Python代码写得丑怎么办？推荐几个神器拯救你 - 知乎

1.2.Web开发基础

全栈开发离不开对Web开发的理解，因此需要学习HTML、CSS和JavaScript等基础知识：

HTML： 学会创建HTML文档结构，了解标签的语义和用法。
CSS： 掌握CSS样式表的基本语法，学习如何美化网页布局和样式。
JavaScript： 了解JavaScript的基本语法，包括变量、函数、DOM操作等，以实现网页的动态效果。

Web开发学习链接：

1.3.Python与前端交互

通过使用Flask或Django等后端框架，建立简单的API，并通过JavaScript与前端进行交互：

Flask框架： 学会使用Flask创建后端服务，处理HTTP请求和构建简单的API。
前端与后端交互： 使用Fetch API等工具，实现前端与后端的数据传输和交互。

交互学习链接：

1.4.面向对象编程

掌握什么是类、对象、继承、封装、多态等特点，学会用面向对象的思想开发程序：

类与对象： 类与对象是面向对象编程的核心概念。
继承、封装和多态： 继承是从已有类派生新类以实现代码重用，封装通过将对象的状态和行为封装在一起提供抽象接口，多态允许不同类的对象对相同的消息作出不同的响应。

学习链接：

视频链接：路飞学城 - 帮助有志向的年轻人通过努力学习获得体面工作

Blog：你想要的Python面试题都在这里了！_python 数据序列化算法面试题-CSDN博客

1.5.爬虫入门

在爬虫的入门学习中，大家要掌握Python模块request的使用：

HTTP请求与响应： 理解HTTP协议，学会发送HTTP请求并处理返回的HTTP响应。
选择器与XPath： 学会使用CSS选择器或XPath定位HTML元素，以便更准确地提取数据。
动态页面爬取： 处理JavaScript渲染的网页，可以使用无头浏览器（Headless Browser）或相关工具。
反爬虫对策： 学会应对反爬虫机制，如设置请求头、使用代理等方法。
正则表达式： 了解正则表达式，用于在文本中匹配和提取特定模式的信息。
并发与异步： 提高爬虫效率，学习如何使用并发或异步处理多个请求。

学习链接：

网页链接：Python安装库太慢？配置好这个速度飞起 - 知乎

视频链接：路飞学城 - 帮助有志向的年轻人通过努力学习获得体面工作

文档教程链接：正则表达式 – 教程 | 菜鸟教程

文档教程链接;Requests: HTTP for Humans™ — Requests 2.31.0 documentation

测试连接：在线正则表达式测试

1.6.API调用

基于百度AI开放平台完成语音合成、图像识别、文字识别、人脸识别等项目：

百度AI开放平台：百度AI开放平台是百度提供的人工智能服务平台，为开发者提供了一系列的人工智能技术和服务。
项目任务： 完成语音合成、图像识别、文字识别、人脸识别等项目。

学习链接：

文档教程（新手指南）：https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjgn3

文档教程（语音识别）：https://ai.baidu.com/ai-doc/SPEECH/Ek39uxgre

文档教程（语音合成）：https://ai.baidu.com/ai-doc/SPEECH/yk38y8h3j

文档教程（文字识别）：https://ai.baidu.com/ai-doc/OCR/Ek3h7xypm

文档教程（人脸识别）：https://ai.baidu.com/ai-doc/FACE/xk37c1jn6

文档教程（图像识别）：https://ai.baidu.com/ai-doc/IMAGERECOGNITION/8k3e7f69o

文档教程（图像增强与特性）：https://ai.baidu.com/ai-doc/IMAGEPROCESS/nk3bcloer

1.7.Jupyter Notebook入门

Jupyter Notebook 是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码、数学方程、可视化和 Markdown，其用途包括数据清理和转换、数值模拟、统计建模、机器学习等等。目前，数据挖掘领域中最热门的比赛 Kaggle 里的资料都是 Jupyter 格式。对于机器学习新手来说，学会使用 Jupyter Notebook 非常重要：

Jupyter Notebook： 是一个开源的交互式笔记本应用程序，支持多种编程语言，包括Python、R和Julia等。
安装及启动： 我后面会在博客中陆续更新的，敬请期待~。

学习链接：

Blog：机器学习新手必看：Jupyter Notebook入门指南-CSDN博客

1.8.Numpy & Pandas 基础

该模块是要掌握 Numpy 以及 Pandas 的基本应用，然后能够处理数据和文件，NumPy和 Pandas 是 Python 中用于数据处理和分析的两个强大的库。（这一部分我在后面博客中也会详细去介绍）

Numpy： NumPy 主要用于支持大规模的多维数组和矩阵运算。
Pandas： Pandas 则提供了灵活的数据结构和数据分析工具。

学习链接：

视频教程：Numpy & Pandas 数据处理 | 莫烦Python

文档教程：NumPy 用户指南 | NumPy

练习：https://github.com/rougier/numpy-100

文档教程：Pandas: 强大的 Python 数据分析支持库 | Pandas

1.9.Matplotlib 基础

该模块是要掌握 Matplotlib 的基本应用，完成数据可视化。

Matplotlib： Matplotlib 是一个用于绘制图表和可视化数据的 Python 库。它提供了灵活的绘图工具，可用于创建各种静态、动态、交互式的图形。

学习链接：

视频教程：Matplotlib 画图 | 莫烦Python

文档教程：教程 | Matplotlib

1.10.机器学习基础

机器学习是一种人工智能的分支，它致力于让计算机系统通过学习从数据中获取经验，并改善其性能。

机器学习的类型：监督学习、无监督学习、强化学习。
机器学习的步骤：数据收集、数据清洗及预处理、特征提取、模型选择、模型训练、模型评估、模型调优、预测及部署。
常用机器学习方法：监督学习算法、无监督学习算法、强化学习算法等等。

学习链接：

资料：机器学习的数学基础-（一、高等数学） - 知乎

资料：机器学习的数学基础-（三、概率论和数理统计） - 知乎

视频教程：【强推】唐宇迪博士终于把机器学习算法给讲透彻了！机器学习算法实战全套课程分享线性回归,机器学习算法,决策树算法,AI算法_哔哩哔哩_bilibili

二、进阶阶段

2.1 数据库与ORM

深入学习数据库的基础知识，包括SQL语言和ORM框架的使用：

SQL基础： 学习SQL语言，理解数据库的基本操作，包括增删改查。
ORM框架： 了解ORM框架如SQLAlchemy的使用，简化数据库操作。

学习链接：

视频链接：深入浅出MyBatis：ORM框架→配置文件→映射文件→动态SQL→面试必问题！_哔哩哔哩_bilibili

2.2 后端框架与API开发

掌握使用Flask、Django等后端框架，实现RESTful API，处理HTTP请求和搭建业务逻辑：

Flask RESTful API： 学习使用Flask-Restful创建API，设计良好的API接口。
Django REST framework： 掌握Django REST framework，实现功能强大的API。

学习链接：

视频链接：Web应用开发-后端基础-基于Springboot框架_哔哩哔哩_bilibili

2.3 Scikit-Learn 机器学习工具

Scikit Learn 也简称 sklearn, 是机器学习领域当中最知名的 python 模块之一，它提供了简单而高效的工具用于数据挖掘和数据分析：

Scikit-Learn基础： Scikit-Learn 中的主要模块、使用 Scikit-Learn 进行分类任务等等（后续会进行更新介绍）。

学习链接：

视频教程：SciKit-Learn | 莫烦Python

文档教程：sklearn

2.4 Kaggle入门

Kaggle是一个进行数据发掘和预测竞赛的在线平台。从公司的角度来讲，可以提供一些数据，进而提出一个实际需要解决的问题；从参赛者的角度来讲，他们将组队参与项目，针对其中一个问题提出解决方案，最终由公司选出的最佳方案可以获得5K-10K美金的奖金。：

探索 Kaggle 竞赛： Kaggle 提供了各种各样的竞赛，涉及领域包括机器学习、自然语言处理、计算机视觉等。
下载数据集：在选择的竞赛页面，你会找到一个 "Data" 标签，其中包含了竞赛使用的数据集。点击 "Download" 或 "Copy API Command" 来获取数据。

学习链接：

Blog：从0到1走进 Kaggle_train_df 导入-CSDN博客

2.5 机器学习进阶

在机器学习的进阶部分，要掌握基本的机器学习算法推导和实现，要明白机器学习是一个不断发展的领域，深入学习和进阶能够使你更好地理解算法、优化模型，并应用于实际问题：

深入学习算法：支持向量机（SVM）、神经网络、主成分分析法、聚类算法、Q学习等等算法。
模型优化和调参：超参数调优、模型评估和解释。
高级特征工程：时间序列分析、自然语言处理等等，学习使用词袋模型、TF-IDF 和 Word Embeddings（例如 Word2Vec）处理文本数据。
深度学习：学习深度学习框架，如如 TensorFlow 或 PyTorch，了解图神经网络和迁移学习的应用，掌握卷积神经网络（CNN）的原理和应用，了解图像分类、目标检测等任务。

学习链接：

视频教程：Supervised Learning in Machine Learning: Regression and Classification (DeepLearning.AI) | Coursera

视频教程：吴恩达机器学习 - 网易云课堂

2.6 机器学习西瓜书

周志华所著的机器学习入门教材《机器学习》，俗称“西瓜书”，已经成为人工智能入门必读物。：

西瓜书：代指周老师所著的经典的机器学习学习教材（你要努力啃透）。

学习链接：

书籍：南瓜书PumpkinBook

习题：机器学习（周志华）课后习题 - 知乎

2.7 前端框架与单页面应用

学习React、Vue等前端框架，掌握组件化开发和构建单页面应用：

React基础： 了解React组件的概念，学会组件的创建和使用。
Vue基础： 掌握Vue组件的开发，了解Vue的生命周期和状态管理。

学习链接：

视频链接：LayUI：经典模块化前端框架适合后台页面的前端框架详解【附资料】_哔哩哔哩_bilibili

2.8 深度学习基础

在这一部分，我们要掌握基本的深度学习算法理念和实现：

神经网络基础： 了解神经元和激活函数，明白前馈神经网络的概念。
深度学习框架： 掌握TensorFlow以及PyTorch。
深度学习中的常见任务：图像分类中的CNN以及迁移学习，目标检测中的物体检测算法、NLP中的循环神经网络、长短时记忆网络（LSTM）和门控循环单元（GRU）等等。

学习链接：

视频链接：[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili

视频链接：深度学习工程师微专业 - 一线人工智能大师吴恩达亲研-网易云课堂 - 网易云课堂

2.9 强化学习

在这一部分，我们要明白强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。

强化学习基本概念： 智能体、环境、状态、行动、奖励、策略等等。
强化学习问题建模： 马尔可夫决策过程中用于建模强化学习问题的数学框架，包括状态、行动、奖励函数等，用于评估状态或状态-行动对的长期价值的值函数，基于动作值函数的强化学习算法的Q-learning。
强化学习算法：通过采样轨迹的方式来估计值函数的蒙特卡洛算法、Temporal Difference 学习、结合深度学习和强化学习的方法，使用深度神经网络来估计值函数或策略的深度强化学习。

学习链接：

视频教程：【中文字幕】David Silver深度强化算法学习 +项目讲解_哔哩哔哩_bilibili

PPT：Teaching - David Silver

2.10测试与部署

学习测试的重要性，包括单元测试、集成测试等，并了解应用的部署流程：

单元测试： 使用工具如pytest进行单元测试，确保代码质量。
Docker： 学会使用Docker进行应用的容器化，方便部署与维护。

三、高级阶段

3.1 安全与性能优化

在全栈开发的高级阶段，你需要关注应用的安全性和性能：

安全性： 学习防范常见的安全攻击，了解HTTPS、跨站脚本攻击（XSS）等概念。
性能优化： 掌握性能优化的策略，包括前端资源压缩、懒加载、后端缓存等。

学习链接：

视频链接：Nginx深度剖析及性能优化与安全优化-反向代理服务器Nginx实践教程_哔哩哔哩_bilibili

3.2 自然语言处理

自然语言处理是人工智能领域的一个重要分支，致力于让计算机能够理解、解释、生成人类语言：

文本预处理：分词、词干提取和词形还原、停用词去除等概念。
语言模型： n-gram 模型、循环神经网络、长短时记忆网络（LSTM）等模型。
文本分类：将文本分为不同的类别或标签，如朴素贝叶斯分类器、支持向量机、等等。

学习链接：

视频教程：自然语言处理 | 莫烦Python

网页链接：我爱自然语言处理 – I Love Natural Language Processing

开源NLP工具包：https://github.com/crownpku/Awesome-Chinese-NLP

NLTK：NLTK :: Natural Language Toolkit

论文;https://github.com/mhagiwara/100-nlp-papers

spacy：spaCy · Industrial-strength Natural Language Processing in Python

3.3 计算机视觉

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

图像基础：像素、图像分辨率、图像通道等概念。
图像处理：图像读取和显示、图像增强已经相关滤波等操作。
特征提取：包括边缘检测、角点检测、特征描述等方法。
还有：还有图像识别、图像分割，以及深度学习与计算机视觉等诸多方面，我会在后面博客去陆续更新的。

学习链接：

视频教程：【双语字幕】斯坦福CS231n《深度视觉识别》课程(2017) by Fei-Fei Li, Justin Johnson, Serena Yeung_哔哩哔哩_bilibili

视频教程：https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

PDF：Computer Vision Models

工具包：OpenCV - Open Computer Vision Library

PDF：Computer Vision: Algorithms and Applications, 2nd ed.

3.4微服务与容器编排

了解微服务架构，学会使用容器编排工具如Kubernetes管理容器化的应用：

微服务： 了解微服务的概念，拆分应用为独立的服务。
Kubernetes： 学会使用Kubernetes进行容器编排，实现应用的自动化部署和管理。

3.5 自动驾驶

自动驾驶一般指自动驾驶系统。自动驾驶系统系统采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。

感知与感知模块：在自动驾驶中，常用的传感器包括激光雷达、摄像头、雷达、超声波传感器等，用于获取车辆周围环境的信息，当然，也可通过对传感器数据进行处理和分析，实现对周围环境的感知，包括物体检测、车道检测等。
决策与规划：基于感知模块的结果，制定车辆的行驶策略，包括规划车辆的轨迹、速度等，然后根据决策模块的输出，规划车辆的行进路径，确保安全和高效的行驶。
控制与执行：实施规划模块的输出，通过操纵车辆的执行器，如油门、刹车、方向盘等，来实现规划的路径和速度。
SAE自动驾驶等级：还有图像识别、图像分割，以及深度学习与计算机视觉等诸多方面，我会在后面博客去陆续更新的。

学习链接：

视频教程;MIT6.S094深度学习与自动驾驶 - 网易云课堂

3.6 持续集成与持续部署

学习使用持续集成工具（如Jenkins、Travis CI）和持续部署工具（如Ansible）实现自动化部署：

持续集成： 将代码的集成过程自动化，确保代码质量。
持续部署： 实现应用的自动化部署，提高交付效率。

3.7 推荐系统

推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。

文本预处理：分词、词干提取和词形还原、停用词去除等概念。
语言模型： n-gram 模型、循环神经网络、长短时记忆网络（LSTM）等模型。
文本分类：将文本分为不同的类别或标签，如朴素贝叶斯分类器、支持向量机、等等。

学习链接：

视频教程：https://www.youtube.com/playlist?list=PL3ZVX5cUMdLbiFgitZszhnMUZHDDEL0rS

视频教程：Recommender Systems Specialization [5 courses] (UMN) | Coursera

工具包LIBRec：https://github.com/guoguibing/librec

工具包LIBMF：LIBMF: A Software for Matrix Factorization for Recommender Systems

数据集MovieLen：MovieLens | GroupLens

数据集Douban：pub:data:douban [Irwin King @ Web Intelligence & Social Computing Lab]

结语

通过这一完整的Python全栈学习路径，你将逐步深入了解全栈开发所需的各个领域。从入门初级到高级，每个阶段都将为你提供必要的技能和知识。记得在学习过程中多动手实践，通过项目经验提升自己的全栈能力。祝愿你在全栈开发领域取得成功！

最后的最后，三天整理真的太不易了，希望小伙伴们可以多多转发关注支持~

小羊一定要努力变强

关注

61
点赞
踩
47

收藏

觉得还不错? 一键收藏
打赏
2
评论
Python学习路线【本科还在迷茫的宝子们抓紧收藏起来跟着学习吧】

通过这一完整的Python全栈学习路径，你将逐步深入了解全栈开发所需的各个领域。从入门初级到高级，每个阶段都将为你提供必要的技能和知识。记得在学习过程中多动手实践，通过项目经验提升自己的全栈能力。祝愿你在全栈开发领域取得成功！
复制链接

扫一扫