Python编程思维-Task1

杂杂念

第一次以助教的身份参与此次组队学习的旅程，由于个人失误不小心也以学习者的身份加入了进来。在本课程之外我会记录一些自己助教的所思所感，为确保评分的公平性并不参与此次的优秀学习者评选，仅作为个人的学习和助教的记录。
我大学并非计算机专业，也非数据相关。对于python是从17年开始学习，在一位学长的推荐下。彼时对于数据完全是一窍不通，并没有一个模糊的认知。我是看的纯python书籍后来学习的爬虫，前年找工作的时候了解到了kaggle后来一步步寻找相关书籍学习数据分析以及可视化。通过书籍的学习是比较枯燥的也很乏味，相比于组队学习确实是不那么容易坚持下来，特别是周围并没有人学习这些顿感迷茫。工作所需需要用到一些深度学习相关的神经网络，于是开启了谷歌大法看到了Datawhale这个组织一直一起参与组队学习到了今天。至少在学习上能有一个交流的环境，不那么孤独。

助教123

其实助教身份与学习者并没有太大的区别，核心思想就是帮助大家解决学习路线上的难关。

• 我不站在助教的角度来看很多时候自己把问题攻破要更加有成就感，会激发自己的斗志记忆也更加深刻一些。
• 站在助教的角度来看我希望学习者更够不要过于含蓄，有些小的代码上的问题自己确实是很难发现的。包括环境配置当初确实是把我劝退了很多次，现在看来或许很简单但对于当初的我来说犹如一道鸿沟。学习的热情基本也被一点点的消磨殆尽，所以刚开始学的时候一定要多问！多动手！多动手！多动手！

学习者456

额，第一章主要就是配置一下环境。个人的话用得比较多的就是jupyter，当要写一个完整的项目的时候会习惯用pycharm。平时看一下别人的源码，一些简单的调试一般会选择Vscode。

Anaconda

好用是没话说的，特别是一键安装不需要再去额外安装python环境。

• conda
  主要是解决了刚学的时候对于依赖并不知道是什么，避免了安装了numpy和pandas后发现两个版本是有冲突的。在导入包的时候就出现了问题，numpy和pandas只是一个举例。当初确实是遇到了这个问题百度后顺利解决。
  其实conda不仅可以进行包管理，同时还可以创建虚拟环境。但这个对于刚学的话其实没啥用，也没这个需求。

Pycharm

一个写代码同时运行代码的地方，会给出报错提示可以Debug断点调试。Ctrl+鼠标右键查看源码会很方便,初学的话其实也没必要去了解别的，专心动手写代码同时运行代码以及与bug斗智斗勇就很好。

阿里云的

之前有一次弄模型的时候弄过，没怎么用。都差不多只是不再自己电脑上，是一个云端Jupyter Lab.当然贼方便不需要任何配置或者安装，只要是一台能联网的电脑和一个浏览器就能打开直接运行（我比较推荐谷歌浏览器，别的都不太喜欢。火狐也不错，但别安装成国内的了）。如果自己电脑实在是不太方便的话可以试试，不然的话还是推荐安装本地环境，安装本地环境本身并不复杂只是需要一点耐心。