推薦：作者：?Eastmount大神推薦的Python初學(xué)者的信 | Python初級、中級、高級學(xué)習(xí)路線

又是一年1024，祝所有程序員節(jié)日快樂，健康開心，祝CSDN越來越好。轉(zhuǎn)眼，已經(jīng)在CSDN分享了十多年博客，感謝大家的陪伴和祝福，在這里我與許多人成為了朋友，感恩。非常遺憾，這次沒能去長沙岳麓書院見很多大佬和博友，下次有機會一定去。我也會繼續(xù)加油，分享更好更系統(tǒng)的文章，幫助更多初學(xué)者?？傊卸鞔蠹夷芤黄鹪贑SDN相遇，相見，相知，我們相約在這里分享一輩子，感恩同行！

十年，轉(zhuǎn)瞬即逝，我從青蔥少年成長為了中年大叔?；蛟S，對其他人來說寫博客很平淡，但對我來說，它可能是我這十年最重要的決定和堅守之一。

十年，不負遇見，不負自己，不負時光。感恩所有人的陪伴，因為有你們，人生路上我不孤單。幸好，這十年來，我可以摸著自己的良心說，每一篇博客我都在很認真的撰寫，雕琢，都在用萬字長文書寫下我的滿腔熱血。

下圖展示了這十年我寫的博客涉及的各個方向，3600多天，這里的每篇文章，每段文字，都是我的心血和汗水，當(dāng)然也離不開CSDN和你們的支持。人生又有多少個十年呢？所以能做的就是感恩，能做的就是分享更高質(zhì)量的文章，幫助更多CSDN讀者。

這十年，總有讀者問我怎么學(xué)習(xí)Python？學(xué)習(xí)Python有什么用？跨專業(yè)的可以學(xué)習(xí)嗎？有什么方向能學(xué)？我是2013年開始接觸Python的，主要從事NLP、Web數(shù)據(jù)挖掘和人工智能研究，今天簡單寫一封給Python初學(xué)者的學(xué)習(xí)路線和總結(jié)，希望能幫助更多初學(xué)者，也歡迎大家補充，大佬勿噴~

比賽測試網(wǎng)站：http://lovexiaoluo.com

我們在CSDN的故事都還在續(xù)寫，你們的陪伴依然繼續(xù)，青春啊青春，你慢點走，帶著代碼走！

一.初聊Python

1.為什么要學(xué)習(xí)Python？

在學(xué)習(xí)Python之前，你不要擔(dān)心自己沒基礎(chǔ)或“腦子笨”，我始終認為，只要你想學(xué)并為之努力，就能學(xué)好，就能用Python去做很多事情。在這個喧囂的時代，很多技術(shù)或概念會不斷興起，我希望你能沉下心來去學(xué)習(xí)，不要急于求成，一步一個腳印。當(dāng)你把某個技術(shù)學(xué)好、學(xué)精后，還是能做一些事情的，甚至能找到喜歡的工作或完成實踐項目。

程序語言沒有最好，只有最適合。作為一名初學(xué)者，我非常推薦你學(xué)習(xí)Python，為啥？一方面是因為它具有語法清晰、代碼友好、易讀性高的特點，同時Python擁有強大的第三方庫函數(shù)，包括網(wǎng)絡(luò)爬取、數(shù)據(jù)分析、可視化、人工智能等；另一方面Python既是一門解釋性編程語言，又是面向?qū)ο蟮恼Z言，其操作性和可移植性高，被廣泛應(yīng)用于數(shù)據(jù)挖掘、信息采集、人工智能、網(wǎng)絡(luò)安全、自動化測試等領(lǐng)域。甚至，很多小學(xué)生、高中課程和計算機二級也都陸續(xù)增加了Python。

2.Python優(yōu)勢

Python最大的優(yōu)勢在于效率。有時候程序員或科研工作者的效率比機器的效率更重要，對于很多復(fù)雜性的功能，使用更加清晰的語言能給程序減少更多的負擔(dān)，從而大大增強程序的質(zhì)量，其易學(xué)性和擴展性也能讓新手很快上手。雖然Python底層運行速度要比C語言慢，但Python清晰的結(jié)構(gòu)能解放程序員的時間，同時很方便的和其他編程語言代碼（如C語言）融合在一起。

所以，從來沒有一種編程語言可以像Python這樣同時扎根在這么多領(lǐng)域，并且Python支持跨平臺操作，也支持開源，擁有強大的第三方庫。尤其隨著人工智能的持續(xù)火熱，Python在IEEE近幾年發(fā)布的最熱門語言中多次排名第一，越來越多的程序愛好者、科技關(guān)注者也都開始學(xué)習(xí)Python。

3.Python學(xué)習(xí)建議

在Python學(xué)習(xí)過程中，不要覺得你的底子薄或者之前沒接觸過，就想放棄，很多人還沒起跑就選擇退賽。我想，只要沉下心來，肯下功夫，就能學(xué)好。在學(xué)習(xí)過程中，一定要去寫代碼、寫代碼、寫代碼，只寫真正動手去實踐，才能慢慢積累。

同時，編寫代碼過程中出錯也是家常便飯，我現(xiàn)在寫Python代碼每天不出點錯，心里都躁得慌，所以遇到錯誤，學(xué)會百度、谷歌去解決真的非常重要，它也是你學(xué)習(xí)能力的一種提升，實在找不到錯誤，可以去開源論壇、社區(qū)、學(xué)習(xí)群里提問，也歡迎來公眾號或CSDN找我。

接下來我給出前輩許向武老師推薦的Python程序員成長路線圖，包括：基礎(chǔ)語法–>語感訓(xùn)練–>課題練習(xí)–>分方向繼續(xù)學(xué)習(xí)–>中級程序員–>拓展深度和廣度–>高級程序員。

這里，給出我學(xué)習(xí)Python的一些歷程和技巧。我最早接觸Python是2013年，主要是因為研究生方向是自然語言處理，需要通過Python抓取數(shù)據(jù)并進行分析，所以就選擇了它。那些年P(guān)ython的資料很少，也沒這么火熱，但也一直堅持著，具體建議如下：

• 先把環(huán)境安裝，開始編寫第一個Python代碼，別再去等明天了

• 學(xué)習(xí)過程中切勿看視頻（書籍），喝著奶茶，就是一天，一定要動手敲代碼啊

• 通常先了解Python基礎(chǔ)語法，推薦MOOC北理工嵩天老師的視頻和runoob語法，當(dāng)然B站和CSDN上也有很多免費資料，大家可以去選擇
  – https://www.icourse163.org/course/BIT-268001
  – https://www.runoob.com/python/python-intro.html

• 基礎(chǔ)語法大致掌握后可以嘗試學(xué)習(xí)Python網(wǎng)絡(luò)爬蟲，因為不論是數(shù)據(jù)分析、機器學(xué)習(xí)、滲透測試等，都會涉及到爬蟲技術(shù)，只有擁有自己的語料，才能處理更多問題。爬蟲方面不用太深入，掌握兩門技術(shù)即可
  Urllib、Requests、BeautifulSoup、XPath、Selenium、Scrapy、分布式爬蟲

• 接下來學(xué)習(xí)Python可視化分析（詞云）、微信操作、郵箱發(fā)送等功能，這些知識能有效提高你的編程興趣

• 人工智能方向：包括機器學(xué)習(xí)（回歸 | 聚類 | 分類）、深度學(xué)習(xí)（TensorFlow | Keras | Pytorch）學(xué)習(xí)，建議結(jié)合實際科研或項目進行深入研究

• 圖像識別方向：包括圖像處理、OpenCV、模式識別、機器學(xué)習(xí)、深度學(xué)習(xí)、目標(biāo)檢測學(xué)習(xí)，也建議結(jié)合實際科研或項目進行深入研究

• 其他方向?qū)W習(xí)：Web網(wǎng)站開發(fā)、網(wǎng)絡(luò)安全、自動化測試、應(yīng)用程序編寫

學(xué)習(xí)路上沒有捷徑，只有堅持，但你卻能通過Python不斷提升你的學(xué)習(xí)興趣，做一些喜歡的事，喜歡上這門語言。最后給出當(dāng)年大三學(xué)習(xí)Python時激勵自己的話：

• If not now, when? If not me, who?
• 如果不是為了自己奮斗，又是為誰；如果不是現(xiàn)在奮斗，什么時候開始呢？

4.給初學(xué)者的鼓勵

自認為我不是一個很聰明的人，但肯努力，肯下功夫。Python對新手非常友好，各種擴展包可以供我們實現(xiàn)想要的工作，因此一定不要膽怯，干就對了，從零開始一點點實戰(zhàn)，你肯定會成長的。如果你還是一位初學(xué)者，就放手去拼搏，看看你能學(xué)到什么程度；如果你還是一名學(xué)生，請牢記“真正的大神都是寒暑假練成的”，珍惜每一個假期，多寫代碼完成想要的某個作品。

曾記否，我本科和高中好友在乘火車上回家的路上說到：

• 我們其實還是很優(yōu)秀的，至少能從家鄉(xiāng)考過出來讀大學(xué)，在生活中我們會遇到很多人有困難需要幫助，很可能這個對你來說只是舉手之勞，而對他卻為難整個家庭。這時你要幫助，你幫助他又不會少塊肉，尤其是對陌生人的那種無償幫助！

因此，在學(xué)習(xí)和編程過程中，我們也會遇到各種各樣的困難，而且很可能這種困難對你來說非常的簡單，但是別人確實百思不得其解！這種感覺我也經(jīng)常遇到，怎么都不會的別人一點就通。所以當(dāng)別人不會的問你時，你也應(yīng)該去幫助，這也是對你的提高。

驀然回首，自己讀了十多年的書，作為學(xué)生，我又在大學(xué)學(xué)到了什么呢？你也可以思考下你學(xué)到了什么，以及接下來你需要去學(xué)什么？我的收獲或許是：

• 當(dāng)我拿到一個東西，自己能獨立的查閱資料完成，這種獨立搜索問題、思考問題、解決問題的能力是我更愿意與您分享的，也是你我大學(xué)應(yīng)該學(xué)習(xí)的。

• 當(dāng)我分享了一篇文章、教同學(xué)完成一個項目、閱讀到一些更美妙的東西時,，心靈都會為之顫抖，這或許就是分享的魅力，知識的魅力，寫博客的魅力。

• 在學(xué)校、CSDN和家園認識了一幫很好的朋友，認識到更多比自己更優(yōu)秀的人，大學(xué)不僅僅是學(xué)習(xí)，還有更重要的生活。理科生不僅僅是工科，還有更重要的文學(xué)素養(yǎng)需要提升，還需要一輩子學(xué)會做人。

• 在大學(xué)自己全身心投入完成了自己感興趣的幾個東西，這種感覺我無法描述，不亞于游戲里的一次超神，反正就是十分美妙！它們不僅僅有分享知識博客后的自豪、盡自己最大努力去從零開始完成自己感興趣的項目的興奮、還有寒暑假自己深夜孤獨的學(xué)習(xí)自己感興趣的知識等。

• 認識了女神，有了小珞，娜璋珞一家開心生活。

如果你也是一個大學(xué)生，你也應(yīng)該去享受一下自己獨立完成一個自己感興趣東西的過程。在這期間，你需要自己查閱資料、調(diào)動自己的積極性，盡自己的最大努力去完成它，最后這種感覺真的很享受。短暫的激情是不值錢的，只有長久的激情才是值錢的，不論未來如何變化，我希望自己能始終堅持自己的為人做事原則，懷抱一顆感恩的心堅持著去實現(xiàn)心中的夢想，去學(xué)會享受生活！

最后用我在CSDN看到云南的一位讀者專程注冊CSDN的評論，我備受鼓舞，也希望分享與更多的人，一起去拼搏，一起去戰(zhàn)斗，感恩同行，感謝CSDN！

“我不在意別人的眼光，別人的評價，我只想學(xué)到更多的東西，農(nóng)村孩子下雨沒傘只有拼命奔跑才有未來，如果可能，我也想成為一名高校老師，呆在云南”。啊，真喜歡這種素未謀面的云鼓勵，面對這些伙伴，我有什么理由不繼續(xù)分享，不繼續(xù)奮斗呢？

二.Python成長路線

接下來分享我和CSDN許老師在CSDN完成的《Python成長路線圖》，許老師是非常謙遜又有才華的前輩，值得我們每個人學(xué)習(xí)。很愉快的一次合作，同時感謝CSDN和周老師，也歡迎大家繼續(xù)補充和指正。

• https://codechina.gitcode.host/developer-roadmap/python/intro/

1.Python初階

Python初階主要包括預(yù)備知識、基礎(chǔ)語法、進階語法和面向?qū)ο缶幊獭?/p>

(1) 預(yù)備知識

• Python簡介

• 程序設(shè)計思想

• 安裝Python
  – Windows安裝Python
  – Linux安裝Python
  – MacOS安裝Python

• 運行方式
  – 以交互方式運行
  – 以腳本方式運行

• 常用開發(fā)工具

• 編碼規(guī)范

• 模塊管理
  –

  pip

(2) 基礎(chǔ)語法

• 縮進規(guī)則

• 基礎(chǔ)知識
  – 注釋
  – 變量
  – 語句
  – 標(biāo)識符
  – 命名規(guī)則
  – 運算與表達式
  – 代碼風(fēng)格

• 函數(shù)
  – 函數(shù)定義def
  – 參數(shù)var
  – 返回值return
  – 參數(shù)傳遞
  – 函數(shù)調(diào)用
  – 函數(shù)遞歸
  – 函數(shù)編寫風(fēng)格

• 類
  – 類定義class
  – 作用域和命名空間
  – 對象
  – 實例
  – 屬性和方法
  – 類編程風(fēng)格

• 順序語句結(jié)構(gòu)

• 分支語句結(jié)構(gòu)
  – if
  – elif
  – else
  – 條件判斷

• 循環(huán)語句結(jié)構(gòu)

  
  – for
  – while
  – break
  – continue
  – 循環(huán)判斷

• 數(shù)據(jù)類型

  
  – 整型
  – 浮點型
  – 布爾型
  – 字符串

• 內(nèi)置類

  
  – 列表list
  – 字典dict
  – 元組tuple
  – 集合set
  – 整型int
  – 字符串str

• 常用內(nèi)置函數(shù)
  – help
  – input
  – print
  – range
  – format
  – len
  – sorted
  – open
  – dir
  – enumerate/zip
  – type/isinstance
  – min/max/sum
  – abs/round/pow/divmod

(3) 進階語法

• 列表推導(dǎo)式

• 三元表達式

• 斷言

• with-as

• 異常捕獲預(yù)處理
  – try-catch-finally
  – 異常捕獲

• 字符串方法

  
  – find
  – index
  – join
  – lower
  – replace
  – split
  – strip
  – translate
  – upper

• lambda函數(shù)

• 迭代器

• 生成器

• 裝飾器

• 閉包

• 文件
  – 打開文件
  – 文件基本方法
  – 文件內(nèi)容迭代

• 常用標(biāo)準(zhǔn)庫
  – datetime
  – json
  – math
  – os
  – random
  – re(regular expression)
  – sys
  – time
  – urllib

• 字符編碼與解碼
  – 理解內(nèi)碼和字節(jié)碼的概念

(4) 面向?qū)ο缶幊?/h3>

• 類和對象的概念

• 類成員

• 靜態(tài)變量和實例變量

• 面向?qū)ο笕?/strong>
  – 封裝
  – 繼承
  – 多態(tài)

• 創(chuàng)建類

• 實例化

• 抽象類

• 單實例模式

Python初級學(xué)習(xí)路線完整如下圖所示：

---

2.Python中階

Python中階主要從基本技能、Web應(yīng)用開發(fā)、網(wǎng)絡(luò)爬蟲和桌面應(yīng)用開發(fā)四個方向介紹。

(1) 基本技能

• 時間日期處理
  – time
  – datetime

• 數(shù)據(jù)文件讀寫
  – excel/csv/hdf/netCDF

• 數(shù)據(jù)庫操作
  – 數(shù)據(jù)庫概述
  – 數(shù)據(jù)庫安裝配置
  – SQL語句
  – SQLite
  – MySQL
  – MongoDB

• 操作系統(tǒng)和環(huán)境
  – os/sys

• 線程進程和協(xié)程
  – 基礎(chǔ)概念
  – 加鎖和解鎖
  – threading
  – multiprocessing
  – queue
  – gevent

• 源碼打包
  – pyinstaller

• 網(wǎng)絡(luò)編程
  – socket

• 發(fā)送郵件
  – smtplib

(2) Web應(yīng)用開發(fā)

• Web開發(fā)基礎(chǔ)知識
  – HTML/HTML5/CSS
  – 前端、數(shù)據(jù)庫和后臺
  – MVC架構(gòu)
  – REST和Ajax

• Django
  – Django簡介
  – Django安裝配置
  – DTL(Django Template Language)
  – Django路由定義
  – Django請求數(shù)據(jù)解析
  – Django數(shù)據(jù)庫操作
  – Django提交表單
  – Django Rest Framework
  – 部署、日志與安全
  – Django開發(fā)案例

• Tornado
  – Tornado簡介
  – Tornado安裝配置
  – Tornado提交表單
  – Tornado模板
  – Tornado數(shù)據(jù)庫操作
  – Tornado異步Web服務(wù)
  – 外部服務(wù)認證（auth）
  – 部署、日志與安全
  – Tornado開發(fā)案例

• Flask
  – Flask簡介
  – Flask安裝配置
  – Flask實現(xiàn)HTTP請求與響應(yīng)
  – Flask cookie與session
  – Flask模板
  – Flask提交表單
  – Flask數(shù)據(jù)庫操作
  – Bootstrap-Flask
  – Flask開發(fā)REST Web服務(wù)
  – 部署、日志與安全
  – Flask開發(fā)案例

• 網(wǎng)站可視化
  – ECharts

• 網(wǎng)站高并發(fā)處理

(3) 網(wǎng)絡(luò)爬蟲

• 基礎(chǔ)概念
  – 什么是網(wǎng)絡(luò)爬蟲
  – HTML與DOM樹分析
  – 常用網(wǎng)絡(luò)爬蟲工具
  – 相關(guān)法律及注意事項

• urllib

• 正則表達式
  – RE(Regular Expression )
  – 基礎(chǔ)語法
  – 標(biāo)簽匹配常用規(guī)則

• BeautifulSoup
  – BeautifulSoup簡介
  – 安裝配置
  – BeautifulSoup對象
  – 元素定位
  – 文檔樹遍歷與搜索

• lxml
  – 安裝配置
  – lxml.etree
  – XPath選擇器
  – find/findall
  – CSS選擇器
  – 解析HTML

• requests
  – 安裝配置
  – 發(fā)送請求與HTTP請求類型
  – 傳遞URL參數(shù)
  – 響應(yīng)內(nèi)容
  – 定制請求頭
  – 響應(yīng)狀態(tài)碼
  – Cookie
  – POST請求
  – 身份認證

• Selenium
  – Selenium簡介
  – 安裝配置
  – 單元素定位（find_element_id/name/xpath）
  – 多元素定位（find_elements_id/name/xpath）
  – 常用方法和屬性
  – 鍵盤和鼠標(biāo)操作
  – WebDriver API
  – 表單交互

• Scrapy框架
  – Scrapy簡介
  – 安裝配置
  – Scrapy框架組成
  – Item Pipeline
  – Downloader
  – Spiders
  – Scheduler

• 數(shù)據(jù)存儲
  – 文件存儲
  – 數(shù)據(jù)庫存儲

• 渲染動態(tài)網(wǎng)頁
  – WebKit/Selenium/headless/PhantomJS

• 表單交互處理

• 超時異常處理
  – timeout

• 驗證碼處理
  – 自動輸入/OCR字符識別

• 高并發(fā)處理

• 多線程爬蟲
  – 多線程爬蟲

(4) 桌面應(yīng)用開發(fā)

• Tkinter
  – Tkinter簡介
  – 安裝配置
  – Tkinter模塊
  – Tkinter控件
  – 標(biāo)準(zhǔn)屬性
  – 幾何管理

• PyQT
  – PyQT簡介
  – 安裝配置
  – PyQT模塊
  – PyQT布局管理
  – PyQT菜單和工具欄
  – 事件和信號
  – PyQT對話框
  – PyQT控件
  – PyQT拖拽與繪圖

• WxPython
  – WxPython簡介
  – 安裝配置
  – WxPython常用類
  – WxPython布局管理
  – WxPython事件處理
  – WxPython對話框
  – WxPython組件
  – WxPython拖拽處理
  – WxPython繪圖API

3.Python高階

高階主要包括科學(xué)計算基礎(chǔ)軟件包NumPy、結(jié)構(gòu)化數(shù)據(jù)分析工具Pandas、繪圖庫Matplotlib、科學(xué)計算工具包SciPy、機器學(xué)習(xí)工具包Scikit-learn、深度學(xué)習(xí)、計算機視覺和自然語言處理。

(1) 科學(xué)計算基礎(chǔ)軟件包NumPy

• NumPy概述
  – NumPy的前世今生
  – NumPy數(shù)組 vs Python列表
  – NumPy數(shù)組類型和屬性
  – 維、軸、秩
  – 廣播和矢量化

• 安裝配置

• 創(chuàng)建數(shù)組

• 操作數(shù)組
  – 索引
  – 切片
  – 改變數(shù)組結(jié)構(gòu)
  – 合并和拆分
  – 復(fù)制
  – 排序
  – 查找
  – 篩選
  – 數(shù)組I/O

• 常用函數(shù)
  – np.nan和np.inf
  – 函數(shù)命名空間
  – 數(shù)學(xué)函數(shù)
  – 統(tǒng)計函數(shù)
  – 插值函數(shù)
  – 多項式擬合函數(shù)
  – 自定義廣播函數(shù)

• 掩碼數(shù)組
  – 創(chuàng)建掩碼數(shù)組
  – 訪問掩碼數(shù)組

• 矩陣對象
  – 創(chuàng)建矩陣
  – 矩陣特有屬性
  – 矩陣乘法

• 隨機抽樣子模塊
  – 隨機數(shù)
  – 隨機抽樣
  – 正態(tài)分布
  – 偽隨機數(shù)的深度思考

(2) 結(jié)構(gòu)化數(shù)據(jù)分析工具Pandas

• Pandas概覽
  – Panda的特點
  – 安裝和使用

• 數(shù)據(jù)結(jié)構(gòu)
  – 索引數(shù)組Index
  – 帶標(biāo)簽的一維同構(gòu)數(shù)組Series
  – 帶標(biāo)簽的二維異構(gòu)表格DataFrame

• 基本操作
  – 數(shù)據(jù)預(yù)覽
  – 數(shù)據(jù)選擇
  – 改變數(shù)據(jù)結(jié)構(gòu)
  – 改變數(shù)據(jù)類型
  – 廣播與矢量化運算
  – 行列級廣播函數(shù)

• 高級應(yīng)用
  – 分組
  – 聚合
  – 層次化索引
  – 表級廣播函數(shù)
  – 日期時間索引對象
  – 透視表
  – 數(shù)據(jù)可視化
  – 數(shù)據(jù)I/O

(3) 繪圖庫Matplotlib

• 安裝配置

• Matplotlib快速入門
  – 畫布
  – 子圖與子圖布局
  – 坐標(biāo)軸與刻度的名稱
  – 圖例和文本標(biāo)注
  – 顯示和保存

• 圖形繪制
  – 曲線圖
  – 散點圖
  – 直方圖
  – 餅圖
  – 箱線圖
  – 繪制圖像
  – 極坐標(biāo)繪圖

• 風(fēng)格和樣式
  – 畫布設(shè)置
  – 子圖布局
  – 顏色
  – 線條和點的樣式
  – 坐標(biāo)軸
  – 刻度
  – 文本
  – 圖例
  – 網(wǎng)格設(shè)置

• Matplotlib擴展
  – 使用BaseMap繪制地圖
  –3D繪圖工具包

(4) 科學(xué)計算工具包SciPy

• SciPy概覽

• 安裝配置

• 數(shù)據(jù)插值
  – 一維插值
  – 二維插值
  – 離散數(shù)據(jù)插值到網(wǎng)格

• 曲線擬合
  – 最小二乘法擬合
  – 使用curve_fit()函數(shù)擬合
  – 多項式擬合函數(shù)

• 傅里葉變換
  – 時域到頻域的轉(zhuǎn)換
  – 一維傅里葉變換的應(yīng)用
  – 二維傅里葉變換的應(yīng)用

• 圖像處理
  – 圖像卷積
  – 邊緣檢測
  – 侵蝕和膨脹
  – 圖像測量

• 積分
  – 對給定函數(shù)的定積分
  – 對給定樣本的定積分
  – 二重定積分

• 非線性方程求解
  – 非線性方程
  – 非線性方程組

• 線性代數(shù)
  – 計算矩陣的行列式
  – 求解逆矩陣
  – 計算特征向量和特征值
  – 矩陣的奇異值分解
  – 求解線性方程組

• 聚類
  – k-means聚類
  – 層次聚類

• 空間計算
  – 空間旋轉(zhuǎn)的表述
  – 三維旋轉(zhuǎn)

(5) 機器學(xué)習(xí)工具包Scikit-learn

• Scikit-learn概覽

• 安裝配置

• 數(shù)據(jù)集
  – Scikit-learn自帶的數(shù)據(jù)集
  – 樣本生成器
  – 加載其他數(shù)據(jù)集

• 數(shù)據(jù)預(yù)處理（Preprocessing）
  – 標(biāo)準(zhǔn)化
  – 歸一化
  – 正則化
  – 離散化
  – 特征編碼
  – 缺失值補全

• 分類（Classification）
  – K-近鄰分類
  – 貝葉斯分類
  – 決策樹分類
  – 支持向量機分類
  – 隨機森林分類
  – 集成學(xué)習(xí)Bagging/Boosting
  – 神經(jīng)網(wǎng)絡(luò)模型

• 回歸（Regression）
  – 線性回歸
  – Lasso回歸
  – 支持向量機回歸
  – K-近鄰回歸
  – 決策樹回歸
  – 隨機森林回歸
  – 邏輯回歸

• 聚類（Clustering）
  – K-Means聚類
  – 均值漂移聚類
  – 基于密度的空間聚類
  – 譜聚類
  – 層次聚類

• 成分分解與降維
  – 主成分分析
  – 因子分析
  – 截斷奇異值分解
  – 獨立成分分析ICA（Independent Component Analysis）

• 模型評估與參數(shù)調(diào)優(yōu)
  – 估計器得分
  – 交叉驗證
  – 評價指標(biāo)
  – 參數(shù)調(diào)優(yōu)
  – 模型持久化

(6) 深度學(xué)習(xí)

• 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識
  – 人工智能發(fā)展歷史
  – 神經(jīng)元
  – BP神經(jīng)網(wǎng)絡(luò)
  – 梯度下降
  – 激勵函數(shù)
  – 過擬合、欠擬合
  – 優(yōu)化器Optimizer
  – 常用開發(fā)工具

• 環(huán)境配置
  – Windows搭建深度學(xué)習(xí)環(huán)境
  – Linux搭建深度學(xué)習(xí)環(huán)境
  – MacOS搭建深度學(xué)習(xí)環(huán)境
  – CPU/GPU環(huán)境搭建

• Theano
  – Theano基礎(chǔ)知識
  – 定義Layer
  – CNN
  – RNN(GRU/LSTM)
  – Autoencoder
  – 神經(jīng)網(wǎng)絡(luò)參數(shù)保存
  – 神經(jīng)網(wǎng)絡(luò)性能評價

• TensorFlow
  – TensorFlow基礎(chǔ)知識
  – Tensor
  – Session
  – Variable
  – Placeholder
  – Dropout
  – Tensorboard
  – CNN
  – RNN(GRU/LSTM)
  – Autoencoder
  – GNN
  – 神經(jīng)網(wǎng)絡(luò)參數(shù)保存
  – 神經(jīng)網(wǎng)絡(luò)性能評價

• Keras
  – Keras基礎(chǔ)語法
  – 兼容Backend
  – 函數(shù)模型和序列模型
  – 定義Layer
  – CNN
  – RNN(GRU/LSTM)
  – Autoencoder
  – GNN
  – 遷移學(xué)習(xí)
  – BiLSTM-Attention
  – 生成對抗網(wǎng)絡(luò)GAN
  – 神經(jīng)網(wǎng)絡(luò)參數(shù)保存
  – 神經(jīng)網(wǎng)絡(luò)性能評價

• PyTorch
  – PyTorch基礎(chǔ)知識
  Tensor
  Variable
  定義Layer
  可視化
  CNN(TextCNN)
  RNN(GRU/LSTM)
  Autoencoder
  GNN/GCN
  遷移學(xué)習(xí)
  生成對抗網(wǎng)絡(luò)GAN
  神經(jīng)網(wǎng)絡(luò)參數(shù)保存
  神經(jīng)網(wǎng)絡(luò)性能評價

• 強化學(xué)習(xí)
  – 強化學(xué)習(xí)概念
  – Q-Learning
  – Sarsa
  – DQN(Deep Q Network)
  – Policy Gradients
  – Actor Critic

(7) 計算機視覺

• 數(shù)字圖像處理基礎(chǔ)
  – 數(shù)字圖像處理
  – 圖像三要素
  – 像素及圖像處理分類
  – 圖像信號數(shù)字換處理

• OpenCV基礎(chǔ)
  – 安裝配置
  – OpenCV基礎(chǔ)語法
  – 幾何圖形繪制

• 圖像處理入門
  – 讀取顯示圖像
  – 讀取修改像素
  – 創(chuàng)建復(fù)制保存圖像
  – 獲取圖像屬性及通道

• 圖像算數(shù)與邏輯運算
  – 圖像加法運算
  – 圖像減法運算
  – 圖像與運算
  – 圖像或運算
  – 圖像異或運算
  – 圖像非運算

• 圖像幾何變換
  – 平移變換
  – 縮放變換
  – 旋轉(zhuǎn)變換
  – 鏡像變換
  – 仿射變換
  – 透視變換

• 圖像量化與采樣
  – 圖像量化處理
  – 圖像采樣處理
  – 圖像金字塔
  – 局部馬賽克處理

• 直方圖統(tǒng)計
  – 直方圖概述
  – 直方圖繪制
  – 掩膜直方圖
  – H-S直方圖
  – 直方圖對比

• 圖像增強
  – 圖像增強
  – 直方圖均衡化
  – 局部直方圖均衡化
  – 自動色彩均衡化
  – 圖像去霧

• 圖像平滑
  – 圖像平滑概述
  – 均值濾波
  – 方框濾波
  – 高斯濾波
  – 中值濾波
  – 雙邊濾波

• 圖像銳化及邊緣檢測
  – 一階微分算法、二階微分算子
  – Roberts算子
  – Prewitt算子
  – Sobel算子
  – Laplacian算子
  – Scharr算子
  – Canny算子
  – LOG算子

• 圖像形態(tài)學(xué)處理
  – 圖像腐蝕
  – 圖像膨脹
  – 圖像開運算
  – 圖像閉運算
  – 圖像梯度運算
  – 圖像頂帽運算
  – 圖像底帽運算

• 圖像分割
  – 基于閾值的圖像分割
  – 基于邊緣檢測的圖像分割
  – 基于紋理背景的圖像分割
  – 基于K-Means聚類的區(qū)域分割
  – 基于均值漂移算法的圖像分割
  – 基于分水嶺算法的圖像分割
  – 圖像漫水填充分割
  – 文字區(qū)域分割及定位

• 傅里葉變換
  – 傅里葉變換
  – 傅里葉逆變換
  – 高通濾波器
  – 低通濾波器

• 霍夫變換
  – 霍夫變換
  – 霍夫線變換
  – 霍夫圓變換

• 圖像特效處理
  – 圖像毛玻璃特效
  – 圖像浮雕特效
  – 圖像素描特效
  – 圖像懷舊特效
  – 圖像流年特效
  – 圖像濾鏡特效
  – 圖像水波特效
  – 圖像卡通特效

• 圖像分類
  – 圖像分類概述
  – 基于機器學(xué)習(xí)的圖像分類
  – 基于深度學(xué)習(xí)的圖像分類
  – LeNet
  – VGG
  – AlexNet
  – ResNet

• 人臉識別

• 目標(biāo)檢測
  – 目標(biāo)檢測概述
  – RCNN
  – Fast-RCNN
  – SPPNet
  – Mask-RCNN
  – SSD
  – YOLO系列算法

(8) 自然語言處理

• 自然語言處理概覽
  – 自然語言處理的基本概念
  – 自然語言處理的面臨困難
  – 自然語言處理的研究現(xiàn)狀

• 預(yù)備知識
  – 概率論基礎(chǔ)知識
  – 最大似然估計
  – 隱馬爾可夫模型
  – 貝葉斯網(wǎng)絡(luò)
  – 條件概率分布
  – 信息論基礎(chǔ)知識
  – 熵
  – 困惑度
  – 互信息
  – 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識
  – CRF
  – BiLSTM+Attention
  – 遷移學(xué)習(xí)
  – 常用語料庫和知識庫

• jieba
  – jieba概述
  – jieba分詞
  – jieba添加自定義詞典
  – jieba詞性標(biāo)注
  – jieba關(guān)鍵詞抽取

• nltk
  – nltk概述
  – nltk字符串處理
  – nltk詞性標(biāo)注
  – nltk詞干提取
  – nltk命名實體識別
  – nltk分塊處理
  – nltk文本分類
  – nltk情感分析

• Genism
  – TF-IDF
  – similarities
  – LSA
  – LDA
  – Word2vec

• 詞法分析
  – 分詞(英文分詞/中文分詞)
  – 詞干提取
  – 詞形還原
  – 詞性標(biāo)注
  – 命名實體識別

• 句法分析
  – 短語結(jié)構(gòu)分析
  – 依存句法分析
  – 命名實體消歧

• 語義分析
  – 指代消解
  – 語義角色標(biāo)注
  – 語義關(guān)系抽取
  – 語義依存分析
  – 抽象語義表示

• 詞嵌入
  – Word2Vec
  – GloVe
  – fastText
  – ELMo
  – BERT
  – XLNet

• 文本挖掘
  – 文本相似度計算
  – 文本聚類
  – 文本分類
  – 文本摘要

• 情感分析
  – 基于情感詞典的情感分析
  – 基于深度學(xué)習(xí)的情感分析

• 主題模型
  – LSA
  – LDA

• 機器翻譯
  – IBM統(tǒng)計翻譯模型
  – 短語抽取
  – 語言模型
  – GNMT
  – Seq2Seq
  – Transformer

• 語言模型
  – -- n-gram
  – Pitman-Yor過程模型
  – AWD-LSTM
  – Transformer-XL
  – Gated CNN

• 智能問答
  – 基于知識的問答
  – 基于檢索的問答
  – 閱讀理解
  – 完形填空

• 智能對話
  – 對話行為分類
  – 對話狀態(tài)跟蹤
  – 檢索式聊天機器人
  – 生成式聊天機器人
  – 意圖識別
  – 槽填充(Slot Filling)

• 語音識別
  – 傅里葉變換
  – 聲學(xué)模型
  – 隱馬爾可夫模型
  – CNN
  – LSTM-HMM
  – 神經(jīng)網(wǎng)絡(luò)語言模型
  – MFCC

• 知識圖譜
  – 知識圖譜構(gòu)建
  – 知識計算
  – 知識存儲
  – 知識服務(wù)與應(yīng)用

三.總結(jié)

寫到這里，這篇文章就介紹結(jié)束了，祝大家程序員節(jié)日快樂，也希望文章對Python初學(xué)者有所幫助，歡迎大家從我給出的方向中選擇自己感興趣的點去做研究。重要的是多實踐，多編程，加油！

最后用我的博客簽名結(jié)束這篇文章，“無知·樂觀·低調(diào)·謙遜·生活”，時刻告訴自己：無知的我需要樂觀的去求知，低調(diào)的底色是謙遜，而謙遜是源于對生活的通透，我們不止有工作、學(xué)習(xí)、編程，還要學(xué)會享受生活，人生何必走得這么匆忙，做幾件開心的事，寫幾篇系統(tǒng)的文，攜一位心愛的人，就很好！感恩CSDN，感謝你我的堅守和分享，這又何止是十年。

• Python從入門到大師
• Python爬蟲專欄
• 數(shù)據(jù)分析
• 機器學(xué)習(xí)
• AI基礎(chǔ)

日常收集整理了一批不錯的?Python?學(xué)習(xí)資料，有需要的小伙可以自行免費領(lǐng)取。

獲取方式如下：公眾號回復(fù)資料。領(lǐng)取Python等系列筆記，項目，書籍，直接套上模板就可以用了。資料包含算法、python、算法小抄、力扣刷題手冊和 C++ 等學(xué)習(xí)資料！