Python从入门到精通学习路线
进步源自技术积累
1. Python安装方式
强烈推荐采用Anaconda集成软件进行安装,Anaconda集成了pyhon软件、jupyter及180多个包;安装方式参考网上教程,Anaconda下载地址:https://www.anaconda.com
2. Python开发环境选择
推荐jupyter(Anaconda中含有,不需额外安装)和pycharm(需额外安装),这两个都需要安装;jupyter是在线编辑器,强烈推荐,神经网络编程首选环境;pycharm是集成开发环境,安装社区版就可以,网上代码资源可以直接复制进去,运行出结果。
3.Python常用的包
python中所有功能实现都是基于具有不同功能的包,常用的包有:
pandas是数值计算包;matplotlib包是可视化绘图包;numpy是矩阵计算包
scikit-learn是机器学习包;Keras、tensorflow是常用的深度学习包
4 python书籍学习路线------推荐书籍全是经典图书
1)入门首选《1.1-python编程:从入门到精通》,或者明日科技的《零基础学python全彩版》,建议快速撸完书上的代码,做基础的了解,不用深入研究,快速进入下一阶段;
2)接着看《3.1-数据科学手册》,进行深入了解python的数据和编程,这本书非常重要,可以深入学习;
3)接着看《3.2-利用python进行数据分析》,进一步强化数据处理和分析能力;
4)接下来是最新的人工智能算法–机器学习和深度学习,其中机器学习中包含了深度学习的部分内容,机器学习是大数据分析的基础,感觉还是挺重要,机器学习部分首先看《5.1-python机器学习基础教程》,掌握机器学习的基础知识,若想深入研究机器学习,可以继续看《5.2机器学习实战》,后面如果想精通机器学习算法,可以去b站深入学习随机森林算法、XGBoost算法(目前机器学习最强算法,推荐菜菜TsaiTsai的教程)的编程和调参;
5)如果不学机器学习可以直接进入深度学习部分,按照顺序看《6.1-python神经网络编程》、《6.2-python深度学习入门》和《6.3-深度学习》,深度学习部分要求具有一定的数学基础,建议回顾下线性代数、高数、矩阵论的相关知识,这个部分我也没有深入接触过,不给太多的建议。
5.Python算法竞赛
目前每年都有很多人工智能算法的国际和国内竞赛,比如阿里天池等等,里面会提供很多数据,有兴趣的可以去试试,实战一下,拿到名次奖励丰厚。
6.Python开源资料
python的开源学习资料除了国内CSDN论坛、B站之外,目前资源最多使用最广的是国际上的Github,是一个版本控制软件,可以同时在网页(常用)和客户端(同步云端和本地代码用)上查看和分享代码,因为是全英文我用的不熟,目前只分享了Github软件包(Git-2.31.1-64-bit)和书籍《8-github入门到实践》。
7.Python书籍下载地址
链接:https://pan.baidu.com/s/1q6vd_6otGrt5j_x4w9mgvQ
提取码:wzpt