不管你是待業(yè)還是失業(yè)，在這個(gè)被互聯(lián)網(wǎng)圍繞的時(shí)代里，選擇怎樣深入學(xué)習(xí)python，就多了一項(xiàng)技能，還怕找不到工作？，還怕不好找工作？小編就來告訴你這個(gè)專業(yè)的優(yōu)勢(shì)到底體現(xiàn)在哪里：Python深度學(xué)習(xí)完全路線指南，一些Python的學(xué)習(xí)心得，學(xué)習(xí)python 心得??。

1.Python深度學(xué)習(xí)完全路線指南

介紹深度學(xué)習(xí)目前已經(jīng)成為了人工智能領(lǐng)域的突出話題。它在“計(jì)算機(jī)視覺”和游戲（AlphaGo）等領(lǐng)域的突出表現(xiàn)而聞名，甚至超越了人類的能力。近幾年對(duì)深度學(xué)習(xí)的關(guān)注度也在不斷上升，這里有一個(gè)調(diào)查結(jié)果可以參考。這里有一個(gè) Google 的搜索趨勢(shì)圖：如果你對(duì)這個(gè)話題感興趣，這里有一個(gè)很好的非技術(shù)性的介紹。如果你有興趣了解最近的趨勢(shì)，那么這里有一個(gè)很好的匯總。在這篇文章中，我們的目標(biāo)是為所有深度學(xué)習(xí)的人提供一條學(xué)習(xí)之路，同時(shí)也是為想要進(jìn)一步學(xué)習(xí)的人提供一條探索的路徑。如果你準(zhǔn)備好了，那么讓我們開始吧！步驟0：先決條件建議在學(xué)習(xí)深度學(xué)習(xí)之前，你應(yīng)該先了解一些機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)。這篇文章列出了完整的學(xué)習(xí)機(jī)器學(xué)習(xí)的資源。如果你想要一個(gè)簡單的學(xué)習(xí)版本。那么可以看下面的列表：數(shù)學(xué)基礎(chǔ)（特別是微積分，概率和線性代數(shù)）Python 基礎(chǔ)統(tǒng)計(jì)學(xué)基礎(chǔ)機(jī)器學(xué)習(xí)基礎(chǔ)建議時(shí)間：2-6個(gè)月步驟1：機(jī)器配置在進(jìn)行下一步學(xué)習(xí)之前，你應(yīng)該確保你有一個(gè)支持你學(xué)習(xí)的硬件環(huán)境。一般建議你至少擁有以下硬件：一個(gè)足夠好的 GPU（4+ GB），*是 Nvidia一個(gè)還可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不適合）4 GB RAM（這個(gè)取決于數(shù)據(jù)集大?。┤绻氵€不確定，那么請(qǐng)閱讀這個(gè)硬件指南。備注：如果你是一個(gè)硬件玩家，那么你可能已經(jīng)擁有了所需的硬件。如果你沒有所需的規(guī)格，那么你可以租一個(gè)云平臺(tái)來學(xué)習(xí)，比如 Amazon Web Service（AWS）。這是使用 AWS 進(jìn)行深度學(xué)習(xí)的良好指南。備注：在這個(gè)階段不要安裝任何深度學(xué)習(xí)的庫，安裝過程我們會(huì)在步驟 3 中介紹。步驟2：初試深度學(xué)習(xí)現(xiàn)在，你已經(jīng)對(duì)這個(gè)領(lǐng)域有了一個(gè)初步的認(rèn)識(shí)，那么你應(yīng)該進(jìn)一步深入了解深度學(xué)習(xí)。根據(jù)自己的偏好，我們可以選擇以下幾個(gè)途徑：通過博客學(xué)習(xí)，比如 of Deep Learning ，Hacker's guide to Neural Networks。通過視頻學(xué)習(xí)，比如 Deep Learning 。通過書籍學(xué)習(xí)，比如 Neural networks and Deep Learning 除了上述的先學(xué)知識(shí)，你還應(yīng)該了解一些流行的深度學(xué)習(xí)庫和運(yùn)行他們的語言。以下是一個(gè)不太完整的列表（你可以通過查看 wiki 獲得更加完整的列表）：其他一些著名的庫：Mocha，neon，H2O，MXNet，Keras，Lasagne，Nolearn。關(guān)于深度學(xué)習(xí)語言，可以查看這個(gè)文章。你也可以查看查看 Stanford 的 CS231n 中的第 12 講，概要性的了解一些深度學(xué)習(xí)庫。建議時(shí)間：1-3周步驟3：選擇你自己的領(lǐng)域這是最有趣的部分，深度學(xué)習(xí)已經(jīng)應(yīng)用在各個(gè)領(lǐng)域中，并且取得了*進(jìn)的研究成果。如果你想更深入的了解，那么作為一個(gè)讀者，你最適合的路徑就是動(dòng)手實(shí)踐。這樣才能對(duì)你現(xiàn)在了解的內(nèi)容有一個(gè)更加深入的認(rèn)識(shí)。注意：在以下的每個(gè)領(lǐng)域中，都會(huì)包括一個(gè)博客，一個(gè)實(shí)戰(zhàn)項(xiàng)目，一個(gè)需要的深度學(xué)習(xí)庫以及一個(gè)輔助課程。*步你應(yīng)該學(xué)習(xí)一下博客，然后去安裝對(duì)應(yīng)的深度學(xué)習(xí)庫，然后再去做實(shí)戰(zhàn)項(xiàng)目。如果在這個(gè)過程中，你遇到什么問題，那么可以去學(xué)習(xí)輔助課程。深度學(xué)習(xí)在機(jī)器視覺中的應(yīng)用參考博客：DL for Computer Vision 實(shí)戰(zhàn)項(xiàng)目：Facial Keypoint Detection 深度學(xué)習(xí)庫：Nolearn 推薦課程：CS231n: Neural Networks for Visual 深度學(xué)習(xí)在自然語言處理中的應(yīng)用參考博客：Deep Learning, NLP, and 實(shí)戰(zhàn)項(xiàng)目：Deep Learning for Chatbots, Part 1, Part2。深度學(xué)習(xí)庫： 推薦課程：CS224d: Deep Learning for Natural Language 深度學(xué)習(xí)在語音中的應(yīng)用參考博客：Deep Speech: Lessons from Deep Learning 實(shí)戰(zhàn)項(xiàng)目：Music using Magenta () 深度學(xué)習(xí)庫：Magenta 推薦課程：Deep Learning (Spring 2016), CILVR Lab@NYU 深度學(xué)習(xí)在強(qiáng)化學(xué)習(xí)中的應(yīng)用參考博客和實(shí)戰(zhàn)項(xiàng)目：Deep Learning: Pong from Pixels 深度學(xué)習(xí)庫：沒有需要的深度學(xué)習(xí)庫，但是你需要 openAI gym 來測(cè)試你的模型。推薦課程：CS294: Deep Learning 建議時(shí)間：1-2個(gè)月步驟4：深挖深度學(xué)習(xí)現(xiàn)在你應(yīng)該已經(jīng)已經(jīng)學(xué)會(huì)了基礎(chǔ)的深度學(xué)習(xí)算法！但是前面的路程會(huì)更加艱苦?，F(xiàn)在，你可以盡可能高效的利用這一新獲得的技能。這里有一些技巧，你應(yīng)該做的，可以磨煉你的技能。重復(fù)上述步驟，選擇不同的領(lǐng)域進(jìn)行嘗試。深度學(xué)習(xí)在別的領(lǐng)域的應(yīng)用。比如：DL for trading，DL for energy 。利用你學(xué)到的心技能去做點(diǎn)別的事，比如參考這個(gè)網(wǎng)站。參加一些比賽，比如：kaggle。加入一些深度學(xué)習(xí)社區(qū)，比如：Google Group，DL Subreddit。跟隨一些研究人員，比如：RE.WORK DL Summit。建議時(shí)間：無限值得推薦的資源：Complete Deep Learning UFLDL Learning in Neural Networks: An Deep Learning github LeCun's for Deep Learning self-study結(jié)語希望這個(gè)學(xué)習(xí)路徑可以幫到你。我已經(jīng)盡力讓它更加全面，現(xiàn)在你要做的，就是盡可能多的閱讀和練習(xí)。從零開始學(xué)Python數(shù)據(jù)分析/編程/爬蟲/建模-機(jī)器學(xué)習(xí)實(shí)戰(zhàn)集錦-深度學(xué)習(xí)-人工智能-2021*版（配套內(nèi)部資源和學(xué)習(xí)資料）_嗶哩嗶哩 (゜-゜)つロ 干杯~-深度學(xué)習(xí)-Python神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)-人工智能Keras-項(xiàng)目實(shí)戰(zhàn)_嗶哩嗶哩 (゜-゜)つロ 干杯~-bilibili想要獲取神經(jīng)網(wǎng)絡(luò)的專業(yè)知識(shí)，請(qǐng)嘗試深度學(xué)習(xí)的練習(xí)題：Identify the Digits。當(dāng)你對(duì)深度學(xué)習(xí)的概念有一些了解之后，試一下Skilltest: Deep Learning。試著接受深度學(xué)習(xí)的觀念。好運(yùn)！你想更深入了解學(xué)習(xí)Python知識(shí)體系，你可以看一下我們花費(fèi)了一個(gè)多月整理了上百小時(shí)的幾百個(gè)知識(shí)點(diǎn)體系內(nèi)容：高薪實(shí)戰(zhàn)學(xué)習(xí)大合集 往期精彩文章，歡迎點(diǎn)贊收藏！一份超全的Python學(xué)習(xí)資料匯總！ 一份超全的Linux自學(xué)資源整理合集！這是我見過最全的《MySQL筆記》，涵蓋MySQL所有高級(jí)知識(shí)點(diǎn)！不用懷疑！決定棄用Docker一鍵申請(qǐng)多個(gè)證書 shell 腳本

2.一些Python的學(xué)習(xí)心得

寫在前面如果時(shí)光可以倒流，讓筆者重新選擇*專業(yè)，那么筆者一定毫不猶豫地選擇人工智能方面的相關(guān)專業(yè)。人工智能已經(jīng)成為互聯(lián)網(wǎng)時(shí)代最熱門、最前沿的發(fā)展方向，人工智能的基礎(chǔ)知識(shí)也已經(jīng)加入到高中的學(xué)習(xí)大綱內(nèi)。在人工智能高速發(fā)展的時(shí)代，不管是否從事人工智能研發(fā)方面的工作，了解和掌握一門編程語言都是非常必要的。筆者選擇了Python進(jìn)行了學(xué)習(xí)。本文的主要目的在于分享筆者的學(xué)習(xí)路徑，以及總結(jié)一些筆者在自學(xué)過程中碰到的坑。Why Python編程語言這么多，為何選Python？這個(gè)問題網(wǎng)上已經(jīng)有很多相當(dāng)專業(yè)的回答了。筆者作為初學(xué)者，最深的體會(huì)即簡潔。print('Hello World')短短一行代碼即可以寫出你的*個(gè)程序。另外，Python有內(nèi)容豐富且功能強(qiáng)大的各類庫可以直接調(diào)用。例如數(shù)據(jù)分析領(lǐng)域常用的Numpy、Pandas、Scipy、等。學(xué)習(xí)Python可以很快上手，調(diào)用各類十分成熟的庫來解決各領(lǐng)域的相關(guān)問題。搭建環(huán)境在開始寫*行代碼之前，其實(shí)還有一些工作要準(zhǔn)備。Python分文2和3兩個(gè)版本，其語法有一部分區(qū)別，而且互相無法兼容。Python3系列目前已經(jīng)發(fā)展的較為成熟，且有相當(dāng)一部分庫只支持Python3。因此筆者選擇了Python3.6。Python作為一門編程語言，還需要一個(gè)運(yùn)行環(huán)境。在此筆者推薦Anaconda搭配Jupyter Notebook。關(guān)于兩者具體的作用和安裝方法，推薦閱讀 @猴子 老師的回答：初學(xué)python者自學(xué)anaconda的正確姿勢(shì)是什么？？jupyter notebook 可以做哪些事情？如何自學(xué)環(huán)境已經(jīng)搭好了，接下來可以寫出*行代碼了~那么如何保持高效地自學(xué)狀態(tài)呢？筆者認(rèn)為Python的學(xué)習(xí)絕不是捧著一本教程拼命死磕就可以學(xué)會(huì)的。零基礎(chǔ)入門*的辦法就是邊學(xué)邊用，即可以加深記憶又可以調(diào)動(dòng)興趣。筆者在自學(xué)過程中使用過三種類型的學(xué)習(xí)資源：1、入門教程：入門教程即邊學(xué)邊用，深入淺出地了解Python。筆者學(xué)習(xí)了 @Crossin 的crossin編程教室。它的每一節(jié)課后都會(huì)附上練習(xí)，并且還有各種有趣的編程小游戲以供實(shí)踐。另外還會(huì)定期開一些坑，提供各類有趣的需求供學(xué)員開發(fā)。Crossin的編程教室2、字典式教程：在寫代碼的過程中，經(jīng)常會(huì)忘記一些細(xì)節(jié)問題。比如如何提取列表中的某元素。這時(shí)就需要一個(gè)百科全書式的教程以供查閱。這里推薦菜鳥教程：Python3 教程 | 菜鳥教程3、編程游戲：有沒有什么辦法既可以練習(xí)代碼又很輕松愉快呢？這里推薦一個(gè)闖關(guān)編程游戲。在這里你可以利用代碼操控人物闖關(guān)冒險(xiǎn)，迎娶白富美，走向人生巔峰： : 值(value)對(duì)的集合?？梢允褂么罄ㄌ?hào){}或者dict()函數(shù)創(chuàng)建字典。上述數(shù)據(jù)類型可以分為以下兩類：不可變數(shù)據(jù)：數(shù)字、字符串、元組可變數(shù)據(jù)：列表、集合、字典可以使用type()和()來查詢數(shù)據(jù)類型。type返回類型名稱，返回布爾值。條件判斷Python中的條件判斷語句是if…else…語句：if 條件: 執(zhí)行操作1 else: 執(zhí)行操作2舉例如下：在使用if…else…語句時(shí)一定記得在每一個(gè)if條件和else后面都加上英文冒號(hào)，且同一層的語句保持相同的縮進(jìn)（建議4個(gè)空格）。上述2點(diǎn)都是容易引起報(bào)錯(cuò)的地方。循環(huán)循環(huán)語句提供了一種自動(dòng)化的、完成重復(fù)勞動(dòng)的便捷方法。其基本語句是for…in…，其中for指定要重復(fù)的變量，in指定循環(huán)范圍。下面舉一個(gè)案例。筆者希望將下圖中的股票代碼全部統(tǒng)一變成大寫字母：首先對(duì)鍵和值的數(shù)組設(shè)置了循環(huán)，并使用dict.item()方法，將原字典轉(zhuǎn)化為鍵和值的元組數(shù)組。然后在循環(huán)語句內(nèi)規(guī)定了新值的方法，即upper()，再通過key索引將新值更新到字典中，完成目的。上述操作中的關(guān)鍵之處即在于item()方法。因?yàn)閒or后面跟的循環(huán)變量是key,value，屬于數(shù)組的形式，無法直接在字典中進(jìn)行遍歷，因此需要先將其轉(zhuǎn)換為數(shù)組的形式。函數(shù)函數(shù)是組織好的，可重復(fù)使用的，用來實(shí)現(xiàn)單一，或相關(guān)聯(lián)功能的代碼段。函數(shù)能提高應(yīng)用的模塊性，和代碼的重復(fù)利用率。在實(shí)際編程的過程中，可以通過將常用運(yùn)算編寫為函數(shù)使代碼更加簡潔，可讀性更高。定義一個(gè)函數(shù)的規(guī)則：函數(shù)代碼塊以 def 關(guān)鍵詞開頭，后接函數(shù)標(biāo)識(shí)符名稱和圓括號(hào)()。任何傳入?yún)?shù)和自變量必須放在圓括號(hào)中間。圓括號(hào)之間可以用于定義參數(shù)。函數(shù)內(nèi)容以冒號(hào)起始，并且縮進(jìn)。return [表達(dá)式] 結(jié)束函數(shù)，選擇性地返回一個(gè)值給調(diào)用方。不帶表達(dá)式的return相當(dāng)于返回 None。函數(shù)的基本語法如下：def ( ): "函數(shù)_文檔字符串" function_suite return []使用函數(shù)的過程中涉及到以下兩個(gè)問題，容易踩坑：參數(shù)類型是否可變作用域上文中提到，數(shù)字、字符串、元組為不可變數(shù)據(jù)類型，列表、集合、字典為可變數(shù)據(jù)類型。不可變數(shù)據(jù)類型的參數(shù)在調(diào)用函數(shù)的過程中傳遞的只是該數(shù)據(jù)類型的值（相當(dāng)于復(fù)制一份），自身不會(huì)發(fā)生變化；而可變數(shù)據(jù)類型的參數(shù)傳遞的是該變量的引用地址，調(diào)用函數(shù)后會(huì)改變。舉例如下：b是數(shù)值類型參數(shù)，調(diào)用函數(shù)后自身的值不變。nameList是列表類參數(shù)，調(diào)用函數(shù)后自身的值也隨之改變。Python的作用域一共有2種：全局作用域，局部作用域。定義在函數(shù)內(nèi)部的變量擁有一個(gè)局部作用域，定義在函數(shù)外的擁有全局作用域。 局部變量只能在其被聲明的函數(shù)內(nèi)部訪問，而全局變量可以在整個(gè)程序范圍內(nèi)訪問。舉例如下：模塊Python 模塊(Module)，是一個(gè) Python 文件，以 .py 結(jié)尾，包含了 Python 對(duì)象定義和Python語句。模塊讓你能夠有邏輯地組織你的 Python 代碼段。把相關(guān)的代碼分配到一個(gè)模塊里能讓你的代碼更好用，更易懂。模塊能定義函數(shù)，類和變量，模塊里也能包含可執(zhí)行的代碼。Python的一大優(yōu)勢(shì)即其擁有大量可用的第三方模塊，這些模塊（庫）可以高效地解決某些領(lǐng)域的問題，例如數(shù)據(jù)分析領(lǐng)域的Numpy、Pandas、Scipy、等等。調(diào)用模塊可以使用三種語句：import語句import module1[, module2[,... moduleN]from…import語句from modname import name1[, name2[, ... nameN]]from…import* 語句from modname import *數(shù)據(jù)結(jié)構(gòu)隊(duì)列(queue)是限定只能在表的一端進(jìn)行插入，在表的另一端進(jìn)行刪除的特殊的線性表。即“先進(jìn)先出”。堆棧(stack)是一個(gè)只在表尾進(jìn)行刪除和插入操作的線性表。即“后進(jìn)先出”。在列表中，可以使用append()方法添加元素至隊(duì)尾。執(zhí)行隊(duì)列操作可以通過popleft()方法刪除列表最左側(cè)元素；執(zhí)行堆棧則可以通過pop()方法刪除最右側(cè)元素。寫在*筆者認(rèn)為編程是一件讓人快樂的事，使用代碼解決問題以后獲得的成就感是難以言表的。而且高效的編程學(xué)習(xí)方式一定是邊學(xué)邊做，而不是對(duì)著復(fù)雜的教程硬啃。千萬不要等到學(xué)完所有的理論才開始動(dòng)手寫*行代碼！Hello World，就在此刻。

3.學(xué)習(xí)python 心得

學(xué)習(xí)python已經(jīng)有一段時(shí)間了，從什么都不懂，到能看懂簡單的代碼，了解代碼的世界，打開了一個(gè)新的世界。最初了解到python是偶然看到了8.9的課程，抱著好奇的心態(tài)嘗試學(xué)習(xí)，慢慢發(fā)現(xiàn)其中的奧妙，每個(gè)代碼都是一環(huán)扣一環(huán)，從最初的print，for，while循環(huán)到現(xiàn)在的函數(shù)和類的學(xué)習(xí)，不斷的跟著助教們的腳步努力前進(jìn)，每一天都充滿了動(dòng)力。 學(xué)習(xí)過程中遇到的*的問題是知識(shí)點(diǎn)容易混淆和記不清，經(jīng)常出現(xiàn)bug；在短時(shí)間內(nèi)不能對(duì)學(xué)到的知識(shí)靈活的運(yùn)用，這需要在以后的學(xué)習(xí)中不斷重復(fù)知識(shí)點(diǎn)。

就拿大數(shù)據(jù)說話，優(yōu)勢(shì)一目了然，從事IT行業(yè)，打開IT行業(yè)的新大門，找到適合自己的培訓(xùn)機(jī)構(gòu)，進(jìn)行專業(yè)和系統(tǒng)的學(xué)習(xí)。