Was müssen Sie vorbereiten, um Python zu lernen?

Sie müssen sich auf das Erlernen von Python vorbereiten: 1. Beherrschen Sie die Entwicklungsumgebung und Kernprogrammierkenntnisse von Python. 2. Beherrschen Sie die Verwendung objektorientierter Python-Kenntnisse für die Programmentwicklung. 3. Verfügen Sie über ein umfassendes Verständnis der Kernbibliotheken von Python und Komponenten.

[Verwandte Lernempfehlung: tPython-Tutorial ]

Lernen Sie Python, um sich vorzubereiten: Erste Stufe: Professionelle Kerngrundlage

Stufenziele:

1. Erfahrene Master-Python-Entwicklungsumgebung und Kernprogrammierung Kenntnisse

2. Beherrscht den Einsatz von objektorientierten Python-Kenntnissen für die Programmentwicklung. Beherrscht die Verwendung von Linux-Betriebssystembefehlen und die Umgebungskonfiguration. 6. Beherrscht den Umgang mit MySQL und beherrscht fortgeschrittene Datenbankoperationen. 7. Kann das erlernte Wissen umfassend nutzen, um Projekte abzuschließen. Wissenspunkte: Python-Programmiergrundlagen, Python-Objekt -orientiert, Advanced Python, MySQL-Datenbank, Linux-Betriebssystem.

1. Grundlagen der Python-Programmierung, grammatikalische Regeln, Funktionen und Parameter, Datentypen, Module und Pakete, Datei-E/A, Entwicklung solider grundlegender Python-Programmierkenntnisse und Beherrschung der Programmierung von Python-Kernobjekten und -Bibliotheken.

2. Python objektorientiert, Kernobjekte, Ausnahmebehandlung, Multithreading, Netzwerkprogrammierung, umfassendes Verständnis der objektorientierten Programmierung, Ausnahmebehandlungsmechanismus, Multithreading-Prinzipien, Kenntnisse über Netzwerkprotokolle und deren geschickte Anwendung Projekte.

3. Prinzipien von Klassen, MetaClass, unterstrichene Spezialmethoden, Rekursion, magische Methoden, Reflexion, Iteratoren, Dekoratoren, UnitTest, Mock. Verstehen Sie die zugrunde liegenden Prinzipien der Objektorientierung gründlich, beherrschen Sie fortgeschrittene Python-Entwicklungstechniken und verstehen Sie die Unit-Test-Technologie.

4. Datenbankkenntnisse, Paradigma, MySQL-Konfiguration, Befehle, Datenbank- und Tabellenerstellung, Hinzufügen, Löschen, Ändern und Abfragen von Daten, Einschränkungen, Ansichten, gespeicherte Prozeduren, Funktionen, Trigger, Transaktionen, Cursor, PDBC, umfassendes Verständnis von Allgemeine Kenntnisse über Datenbankverwaltungssysteme sowie die Verwendung und Verwaltung von MySQL-Datenbanken. Legen Sie eine solide Grundlage für die Python-Backend-Entwicklung.

5. Linux-Installation und -Konfiguration, Dateiverzeichnisoperationen, VI-Befehle, Verwaltung, Benutzer und Berechtigungen, Umgebungskonfiguration, Docker, Shell-Programmierung Linux ist als Mainstream-Server-Betriebssystem eine Schlüsseltechnologie, die jeder Entwicklungsingenieur beherrschen muss kann es geschickt nutzen.

Phase 2: PythonWEB-Entwicklung

Phasenziele:

1. Kenntnisse in Web-Front-End-Entwicklungstechnologie, HTML, CSS, JavaScript und Front-End-Frameworks

2 und Back-End-Interaktionsprozesse und Kommunikation im Web-Systemprotokoll

3. Beherrscht die Verwendung von Web-Frontend- und Mainstream-Frameworks wie Django und Flask, um die Web-Systementwicklung abzuschließen

4 , PDBC, AJAX, JSON und andere Kenntnisse

5. Kann das erlernte Wissen nutzen, um ein MiniWeb-Framework zu entwickeln, und beherrscht die Prinzipien der Framework-Implementierung.

6. Verwenden Sie das Webentwicklungs-Framework, um das gesamte Projekt zu implementieren.

Web-Front-End-Programmierung, Web-Front-End für Fortgeschrittene, Django-Entwicklungsframework, Flask-Entwicklungsframework, Praxis für Webentwicklungsprojekte.

1. Beherrschen Sie die Front-End-Entwicklungstechnologie für Webseitenelemente, Layout, CSS-Stile, Boxmodelle, JavaScript, JQuery und Bootstrap, beherrschen Sie die JQuery- und BootStrap-Front-End-Entwicklungsframeworks und vervollständigen Sie das Seitenlayout und die Verschönerung.

2. Front-End-Entwicklungsframework Vue, JSON-Daten, Netzwerkkommunikationsprotokoll, Webserver und Front-End-Interaktion, umfassende Kenntnisse des HTTP-Netzwerkprotokolls, kompetente Verwendung der Swagger- und AJAX-Technologie Front-End- und Back-End-Interaktion.

3. Anpassen des Webentwicklungs-Frameworks, grundlegende Verwendung des Django-Frameworks, Modellattribute und Backend-Konfiguration, Cookie und Sitzung, Vorlagen, ORM-Datenmodell, Redis Second-Level-Cache, RESTful, MVC-Modell und Integration Frontend-Technologie, Entwicklung kompletter WEB-Systeme und Frameworks.

4. Flask-Installationskonfiguration, App-Objektinitialisierung und -Konfiguration, Ansichtsfunktionsrouting, Anforderungsobjekt, Abbruchfunktion, benutzerdefinierte Fehler, Rückgabewert der Ansichtsfunktion, Flask-Kontext und Anforderungs-Hook, Vorlage, Datenbankerweiterungspaket Flask-Sqlalchemy, Datenbankmigration Erweiterungspaket Flask-Migrate, E-Mail-Erweiterungspaket Flask-Mail. Beherrschen Sie die allgemeinen APIs des Flask-Frameworks sowie die Ähnlichkeiten und Unterschiede zum Django-Framework und können Sie unabhängig eine vollständige WEB-Systementwicklung entwickeln.

Die dritte Phase: Crawler- und Datenanalyse

Phasenziele:

1. Sie beherrschen die Crawler-Funktionsprinzipien und die Verwendung gängiger Tools zur Netzwerkpaketerfassung und sind in der Lage, HTTP- und HTTPS-Protokolle zu erfassen und zu analysieren

2. Beherrschen Sie die Verwendung verschiedener gängiger Analysebibliotheken für Webseitenstrukturen, um Crawling-Ergebnisse zu analysieren und zu extrahieren. 3. Seien Sie mit verschiedenen gängigen Anti-Crawling-Mechanismen und Reaktionsstrategien vertraut und können Sie mit gängigen Anti-Crawling-Maßnahmen umgehen . Seien Sie kompetent im Umgang mit kommerziellen Crawler-Frameworks. Scrapy schreibt umfangreiche Webcrawler für das verteilte Content-Crawling

7. Kompetent in der Datenbereinigung, Organisation, Formatkonvertierung und dem Verfassen von Datenanalyseberichten

8 Kann Crawler umfassend nutzen, um Douban-Filmrezensionsdaten zu crawlen und die gesamte Datenanalyseprozess-Projektpraxis abzuschließen

Wissenspunkte:

Web-Crawler-Entwicklung, Numpy für die Datenanalyse und Pandas für die Datenanalyse.

1. Crawler-Seiten-Crawling-Prinzipien, Crawling-Prozess, Seitenanalyse-Tools LXML, Beautifulfoup, reguläre Ausdrücke, Proxy-Pool-Schreiben und -Architektur, allgemeine Anti-Crawling-Maßnahmen und -Lösungen, Crawler-Framework-Struktur, kommerzielles Crawler-Framework Scrapy, basierend auf Analyse und Verständnis Kenntnisse über Crawling-Prinzipien, Website-Daten-Crawling-Prozesse und Netzwerkprotokolle, Beherrschung der Verwendung von Webseiten-Parsing-Tools, Fähigkeit, flexibel auf die Anti-Crawling-Strategien der meisten Websites zu reagieren, Fähigkeit, das Schreiben von Crawler-Frameworks selbstständig abzuschließen und kompetent zu sein bei der Verwendung großer kommerzieller Crawler Die Fähigkeit des Frameworks, verteilte Crawler zu schreiben.

2. Eigenschaften der ndarray-Datenstruktur in Numpy, von Numpy unterstützte Datentypen, integrierte Array-Erstellungsmethoden, arithmetische Operatoren, Matrixprodukte, automatische Inkrementierung und automatische Dekrementierung, allgemeine Funktionen und Aggregatfunktionen, Slice-Index, ndarray-Vektorisierung und Broadcast-Mechanismen, vertraut mit der allgemeinen Verwendung von Numpy, einem der drei leistungsstärksten Tools für die Datenanalyse, vertraut mit den Eigenschaften und allgemeinen Operationen von Ndarray-Datenstrukturen und Beherrschung von Operationen wie Slicing, Indizierung und Matrixoperationen für Ndarray-Arrays unterschiedlicher Dimensionen.

3. Die drei wichtigsten Datenstrukturen in Pandas, einschließlich der grundlegenden Konzepte und Verwendungen von Datenrahmen-, Serien- und Indexobjekten, Ersetzung von Indexobjekten und Löschung von Indizes, arithmetische und Datenausrichtungsmethoden, Datenbereinigung und Datenregulierung, Strukturkonvertierung, Vertrautheit mit Daten Analysieren Sie die häufigen Verwendungszwecke von Pandas, einem der drei wichtigsten Datenobjekte. Seien Sie in der Lage, Pandas zu verwenden, um die wichtigsten Datenbereinigungs-, Formatkonvertierungs- und Datenregulierungsarbeiten durchzuführen in der Datenanalyse und beim Lesen und Bearbeiten von Dateien mit der Pandas-Methode.

4. Matplotlib-Dreischichtstruktursystem, Zeichnen verschiedener gängiger Diagrammtypen wie Liniendiagramme, Balkendiagramme, gestapelte Balkendiagramme, Kreisdiagramme, Hinzufügen von Legenden, Text und Markierungen sowie Speichern visueller Dateien Tools für die Datenanalyse Eine der häufigsten Anwendungen von Matplotlib. Sie sind mit der dreischichtigen Struktur von Matplotlib vertraut und können Matplotlib kompetent verwenden, um verschiedene gängige Datenanalysediagramme zu zeichnen. In der Lage sein, verschiedene im Kurs vermittelte Datenanalyse- und Visualisierungstools umfassend zu nutzen, um umfassende praktische Projekte wie die Analyse und Vorhersage von Börsendaten, die Datenanalyse gemeinsam genutzter Fahrradbenutzergruppen und die Datenanalyse des globalen Glücksindex durchzuführen.

Phase 4: Maschinelles Lernen und künstliche Intelligenz

Phasenziele:

1. Verstehen Sie die grundlegenden Konzepte und Systemverarbeitungsverfahren im Zusammenhang mit maschinellem Lernen

2. Seien Sie in der Lage, verschiedene gängige Modelle des maschinellen Lernens geschickt anzuwenden, um überwachte Lösungen zu finden Lernen und unüberwachtes Lernen, Trainings- und Testprobleme, Lösung von Regressions- und Klassifizierungsproblemen

3. Beherrscht gängige Klassifizierungsalgorithmen und Regressionsalgorithmusmodelle wie KNN, Entscheidungsbaum, Random Forest, K-Means usw.

4 neuronal Wie das Netzwerk mit Bilderkennungs- und Erkennungsproblemen natürlicher Sprache umgeht und mit Tensoren, Sitzungen, Gradientenoptimierungsmodellen usw. im Deep-Learning-Framework TF vertraut sein

5 Beherrschen Sie den Funktionsmechanismus von Deep-Learning-Faltungs-Neuronalen Netzwerken und sind Sie in der Lage Um Faltungsschichten anzupassen, vervollständigen die Pooling-Schicht und die FC-Schicht herkömmliche Deep-Learning-Praxisprojekte wie Bilderkennung, Erkennung handschriftlicher Schriftarten und Erkennung von Verifizierungscodes.

Wissenspunkte:

1 , Wörterbuchmerkmalsextraktion, Textmerkmalsextraktion, Normalisierung, Standardisierung, Datenhauptkomponentenanalyse PCA, KNN-Algorithmus, Entscheidungsbaummodell, Zufallswald, lineare Regression und logistische Regressionsmodelle und -algorithmen. Machen Sie sich mit den grundlegenden Konzepten des maschinellen Lernens vertraut, beherrschen Sie den grundlegenden Arbeitsablauf des maschinellen Lernens, machen Sie sich mit der Feature-Entwicklung vertraut und können Sie verschiedene gängige Algorithmenmodelle für maschinelles Lernen verwenden, um Probleme wie Klassifizierung, Regression und Clustering zu lösen.

2. Grundlegende Konzepte im Zusammenhang mit Tensorflow, TF-Datenflussdiagramm, Sitzung, Tensor, Tensorboard-Visualisierung, Tensormodifikation, Lesen von TF-Dateien, Tensorflow-Playround-Nutzung, neuronaler Netzwerkstruktur, Faltungsberechnung, Aktivierungsfunktionsberechnung, Pooling-Layer-Design, Beherrschen der Unterschiede und Übungen vor maschinellem Lernen und tiefem Lernen, beherrschen Sie den grundlegenden Arbeitsablauf des tiefen Lernens, beherrschen Sie die Strukturebenen und Eigenschaften neuronaler Netze, beherrschen Sie die Verwendung von Tensoren, Graphstrukturen, OP-Objekten usw. und machen Sie sich damit vertraut Eingabeschichten: Das Design der Faltungsschicht, der Pooling-Schicht und der vollständig verbundenen Schicht vervollständigt den gesamten Prozess gängiger Deep-Learning-Projekte wie Bestätigungscodeerkennung, Bilderkennung und Handschrifteingabeerkennung.

Wenn Sie mehr über das Erlernen des Programmierens erfahren möchten, achten Sie bitte auf die Spalte „PHP-Schulung“!

Das obige ist der detaillierte Inhalt vonWas müssen Sie vorbereiten, um Python zu lernen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!