Python从入门到精通学习路线

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

8.还有彩蛋？