웹 개발, 크롤러, 데이터 분석 및 인공 지능 : 그것은 전환의 세 가지 측면에 초점을 맞추고
여러 방향이 파이썬 개발 있습니다 :
네트워크, 파충류, 데이터 분석, 테스트, 운영 및 유지 보수, 인공 지능, 많은 사람들의 방향에 지시 인공 지능은 사실, AI가 매우 큰 소리 않습니다, 파이썬을 배울 수있는 가장 섹시한 또는 인공 지능 될 수있는 순간이다, 우리는 원하는 유입의 이러한 측면이 있지만, 당신은 단순히 (위대하신 하나님 제외) 기본 인공 지능 프로그램을 0 또는 매우 큰 어려움으로 전환하려는 경우, 많은 회사가 인공 지능에 관여하기 때문에 사람과 같은 비교적 큰이며, 지금은 사업이 사람들을 훈련하고자하지, 자격, 전문, 프로젝트 경험을 고용 할 때, 서비스의 길이는 여전히 상대적으로 단단하다.
임계 값이 상대적으로 높은,하지만 좋은 기회가 또한 파이썬 변환 데이터 분석 및 인공 지능 전환하려는 있지만, 결국하지 않았다 얼마나 나라에서 파이썬을 발사 할만큼 과학적이고 효과적인 방법에 따라 연구로 향상시킬뿐만 아니라 신속하게 할 수있는 전환 , 운영 및 유지 보수 및 테스트로 인해 특히 여기,이 점에서 전이 경로를 말할 백 엔드 웹 개발, 파충류 개발, 데이터 분석 및 인공 지능 과정에 대해 이야기하지 않는 것입니다, 이해가되지 않습니다.
학습 과정이 내 파이썬 제로 기반 시스템 학습 교류 Qiuqiu의 쿤 가입하실 수 있습니다 이해가 안 파이썬 : 170 다음 934 앞, 중간 (109)는, 제로베이스에서 파이썬을 배울 당신 파이썬 현재의 비즈니스 요구 사항과 방법을 사람들과 공유하고합니다 무엇을 배운다. 관련 비디오 학습 자료, 개발 도구는 공유해야
1, 제 1 스위치 파이썬 학습 코스 :
이러한 필수 기본의 일반 지식 :( 상관없이, 파이썬을 수행 기초가이어야합니다 무엇)
첫 번째 단계 : 파이썬 항목 (프레임 그리고 그들은 변경 방법, 기본 구문은 변경되지 않습니다, 기초의 기초)
데이터 유형
사이클 판단
공통 모듈
기능, 반복자, 장식
재귀, 반복, 반사
객체 지향 프로그래밍
두번째 단계 : 네트워크 프로그래밍 (바람직하게는 완전히 철저한 종사)
소켓의 C / S 프로그래밍 꼬인 비동기 망 프레임
다중 스레드, 다중 프로세스의 Ctrip의 gevent 선택 \ 설문 조사 \의는 epoll
FTP 서버 개발
배치 명령 파일 배포 도구
RabbitMQ 메시지 큐, SqlAlchem y의 ORM
REIDS \에서 Memcache \ MongoDB를 데이터베이스 캐시
세 번째 단계 : 정규 표현식 및 데이터베이스
알아 문자열 모듈 다시 정규 표현식과 일치
학습 MySQL 데이터베이스 (기업의 80 % 이상이 사용하는)
레디 스 데이터베이스를 학습 (사이트를하고 파충류 중요하다)
학습 MongoDB를 데이터베이스
단계 IV : WEB 프런트 엔드 기반 (기타 피트 노크)
WEB 물론 할 프런트 엔드의 기본 지식의 점을 이해합니다.
HTML / CSS 기초
기본 JS
jQuery의 (JS 라이브러리)
아약스의 비동기로드
그리기 도서관
부트 (알 가장 마스터 배치 프레임)
글쎄, 그건 당신이 그 부분을 개발 뒤에이이 재단의 기초에 상관없이입니다, 우리는 배워야한다
2, 전환 파이썬 웹 사이트 개발 지식 학습의 후단 :
장고의 (광범위한 백엔드 응용 프로그램 프레임 워크)
폭풍
플라스크 (프레임 코너)
세션 / 미들웨어 / ORM / CSRF / FORM (일부 네트워크 기본 기술 지식)
장고, 플라스크, 토네이도, 세 개의 프레임의 장점과 단점, 나는 수동으로 같은 장고의 관리로 구성 할 필요가 없습니다, 장고, 많은 것들이 좋은 패키지되었습니다 느낄 것이다 장고 웹 프레임 워크와 플라스크 대부분을 사용하여 직접 사용할 수 있습니다 배경 및 xadmin 배경, 플라스크 두 개 이상의 제어 프레임 워크, 더 나은 (내 훈련의 달 반, 장고 과학 flask2 프레임 워크), 상대적으로 유연
3, 지식 파충류 학습의 변화 :
요청 : 페이지 요청을 전송, 반환 데이터
XPath는 다음 페이지 요소 추출 (물론, 원활 선택 BS4, pyquery)
셀레늄 : 웹에 액세스 할 수있는 실제 브라우저 사용의 특정 상황에 따라
scrapy : 대규모 데이터에 대한 빠른 웹 크롤링
인증 코드 균열하려면 다음과 같은 슬라이더 확인 코드, Taobao의 확인 코드, 확인 코드 12306 등, 오 자주 묻는 인터뷰로, 점을 탈출하는 것이 더 어려울 수 있음을 시사 코드를 해독
4, 스위치 데이터 분석 (기계 학습, 인공 지능) 학습 경로 :
(다음 모듈은 가장 일반적으로 사용되는 데이터 분석 라이브러리입니다 배울해야합니다)
1, 과학 컴퓨팅 및 분석 패키지를 학습, NumPy와와 팬더
표시 데이터 그림 2 시각 학습 시각적 분석 패키지하기 matplotlib,
3, 데이터 마이닝 모델 학습이 패키지는 해당 알고리즘 기본 패키지를 가지고있는 sklearn 주로,하지만 난 우리가 높은 수학, 확률 이론, 선형 대수학, 기본 정보 이론 학습을 계속할 수 있기를 바랍니다,이 알고리즘은 수학을 기반으로 기초 철저하게 수학을 이해하지 않을 경우에만 전송 패키지 남자
4, 신경 네트워크 프레임 워크, 학습 TensorFlow 또는 keras을 추천 카라스가 TensorFlow 프리미엄 패키지를 포장하는 것입니다, 학습 곡선은 상대적으로 낮다. 더 진보 된 프레임 워크 CAFFE도 있습니다, 그것은 매우 강력한 것으로 말했다.
5, 일반적인 뉴럴 네트워크 : 반복적 인 네트워크, 네트워크 분류, 화상 처리 및 우수한 언어의 다른 양상들, 시계열 분석 (RNN LSTM) 재발 성 뉴럴 네트워크 (RNN)의 사용 분야에서 콘볼 루션 신경망 (CNN)을 통해 끼워 맞춤 방지한다. 네트워크 코딩 때문에이 나는 관심이 없다, 모르겠다. 신경 네트워크는 여전히 첨단 기술이 알려지지 않은 많은 것들입니다.
음,이 시점에서, 라인의 기본 학습이 끝나면, 다음은 가장 기본적인 학습 경로를 요약 한 것입니다
전환 웹 : 일반 프레임 워크에 필요한 지식은 + 2 페이지
변환 파충류 : 파충류 공통 프레임 워크에 필요한 지식 +
전환 데이터 분석 : 일반 지식이 필요한 + 데이터 분석 라이브러리 (팬더, NumPy와의,하기 matplotlib, sklearn)이 충분히 거리가 먼도하고,
인공 지능의 변환 : 일반 지식이 필요한 데이터 분석 라이브러리 + + + 고급 수학 선형 대수학 확률 이론 + + tensorflow 프레임 워크