¿Qué preparativos se necesitan para aprender Python?
La primera etapa: base central profesional
Objetivos de la fase:
1. Familiarizarse con el entorno de desarrollo de Python y los conocimientos básicos de programación.
2. Competente en el uso de conocimientos orientados a objetos de Python para el desarrollo de programas.
3. Tener un conocimiento profundo de las bibliotecas y componentes principales de Python.
4. Ser competente en el uso de sentencias SQL para realizar operaciones comunes de bases de datos.
5. Competente en el uso de comandos del sistema operativo Linux y configuración del entorno.
6. Ser competente en el uso de MySQL y dominar las operaciones avanzadas de bases de datos.
7. Ser capaz de aplicar de forma integral los conocimientos aprendidos para la realización del proyecto.
Puntos de conocimiento:
Conceptos básicos de programación Python, Python orientado a objetos, Python avanzado, base de datos MySQL, sistema operativo Linux.
1. Conceptos básicos de programación de Python, reglas de sintaxis, funciones y parámetros, tipos de datos, módulos y paquetes, E/S de archivos, cultivar sólidas habilidades básicas de programación de Python y dominar el uso de objetos centrales y programación de bibliotecas de Python.
2. Python orientado a objetos, objetos centrales, manejo de excepciones, subprocesos múltiples, programación de red, tener un conocimiento profundo de la programación orientada a objetos, mecanismos de manejo de excepciones, principios de subprocesos múltiples, protocolo de red. conocimientos y aplicarlos hábilmente a los proyectos.
3. Principios de clases, metaclases, métodos especiales subrayados, recursividad, métodos mágicos, reflexión, iteradores, decoradores, pruebas unitarias, simulación. Comprenda profundamente los principios subyacentes de la orientación a objetos, domine la tecnología avanzada del desarrollo de Python y comprenda la tecnología de pruebas unitarias.
4. Conocimiento de bases de datos, paradigmas, configuración de MySQL, comandos, creación de bases de datos y tablas, adición, eliminación de datos, consultas, restricciones, vistas, procedimientos almacenados, funciones, disparadores, transacciones, cursores, PDBC, Gain an. Comprensión profunda del conocimiento general de los sistemas de gestión de bases de datos y el uso y gestión de bases de datos MySQL. Establezca una base sólida para el desarrollo backend de Python.
5.Instalación y configuración de Linux, operaciones de directorio de archivos, comandos VI, administración, usuarios y permisos, configuración del entorno, programación Docker y Shell. Como sistema operativo de servidor convencional, Linux es una tecnología clave que todo ingeniero de desarrollo debe dominar y poder utilizar con habilidad.
La segunda fase: desarrollo PythonWEB
Objetivos de la fase:
1. Familiarizarse con la tecnología de desarrollo web front-end, HTML, CSS, JavaScript y front-end. marcos finales.
2. Tener un conocimiento profundo del proceso de interacción y los protocolos de comunicación del front y back end en el sistema web.
3. Competente en el uso de front-end web y marcos convencionales como Django y Flask para completar el desarrollo de sistemas web.
4. Tener un conocimiento profundo de los protocolos de red, distribución, PDBC, AJAX, JSON y otros conocimientos.
5. Ser capaz de utilizar lo aprendido para desarrollar un marco MiniWeb y dominar los principios de implementación del marco.
6. Utilice el marco de desarrollo web para lograr proyectos cruzados
Puntos de conocimiento:
Programación front-end web, front-end web avanzado, desarrollo de Django. marco, marco de desarrollo de Flask, práctica de proyectos de desarrollo web.
1. Domine la tecnología de desarrollo front-end de elementos de página web, diseño, estilos CSS, modelos de caja, JavaScript, JQuery y BootStrap, domine los marcos de desarrollo front-end de JQuery y Bootstrap y complete la página. diseño y embellecimiento.
2. El marco de desarrollo front-end Vue, los datos JSON, los protocolos de comunicación de red, los servidores web y la interacción front-end dominan el uso del marco Vue, tienen un conocimiento profundo del protocolo de red HTTP y Son competentes en el uso de las tecnologías Swagger y AJAX para lograr la interacción front-end.
3. Personalizar el marco de desarrollo WEB, uso básico del marco Django, atributos del modelo y configuración back-end, Cookie y Sesión, plantilla de plantilla, modelo de datos ORM, caché de segundo nivel de Redis, RESTful, modelo MVC. , master Django API del marco de uso común, que integra tecnología front-end y desarrolla marcos y sistemas web completos.
4.Configuración de instalación de Flask, inicialización y configuración del objeto de la aplicación, enrutamiento de función de vista, objeto de solicitud, función de cancelación, errores personalizados, valor de retorno de la función de vista, contexto de Flask y enlace de solicitud, plantilla, base de datos Paquete de extensión Flask -Sqlalchemy, paquete de extensión de migración de bases de datos Flask-Migrate y paquete de extensión de correo electrónico Flask-Mail. Domine las API comunes del marco Flask y las similitudes y diferencias con el marco Django, y sea capaz de desarrollar de forma independiente un desarrollo completo de sistema WEB.
La tercera fase: rastreadores y análisis de datos
Objetivos de la fase:
1. Familiarizarse con los principios de funcionamiento de los rastreadores y el uso de captura de paquetes de red comunes. herramientas y poder analizar protocolos HTTP y HTTPS.
2. Domine varias bibliotecas comunes de análisis de estructuras de páginas web y analice y extraiga los resultados del rastreo.
3. Estar familiarizado con varios mecanismos comunes contra la escalada y estrategias de respuesta, y ser capaz de lidiar con medidas comunes contra la escalada.
4. Utilice hábilmente el marco de rastreo comercial Scrapy para escribir un rastreador web a gran escala para capturar contenido distribuido.
5. Familiarizarse con conceptos y flujos de trabajo relacionados con el análisis de datos.
6. Familiarizado con el uso de las principales herramientas de análisis de datos Numpy, Pandas y Matplotlib.
7. Familiarizado con la limpieza de datos, organización, conversión de formatos y redacción de informes de análisis de datos.
8. Ser capaz de utilizar rastreadores de manera integral para capturar datos de reseñas de películas de Douban y completar todo el proceso de análisis de datos.
Puntos de conocimiento:
Desarrollo de rastreadores web, número de análisis de datos y panda del análisis de datos.
1. Principio de rastreo, proceso de rastreo, herramienta de análisis de páginas LXML, Beautifulfoup, expresiones regulares, escritura y arquitectura del grupo de proxy, medidas y soluciones anti-rastreo comunes, estructura del marco del rastreador, marco del rastreador comercial Scrapy. Al analizar y comprender los principios de rastreo, los procesos de rastreo de datos de sitios web y los protocolos de red, y dominar el uso de herramientas de análisis de páginas, puede responder de manera flexible a las estrategias anti-rastreo de la mayoría de los sitios web.
2. Las características de la estructura de datos de ndarray en numpy, los tipos de datos admitidos por Numpy, su propio método de creación de matrices, operadores aritméticos, productos matriciales, incremento y decremento automático, funciones generales y funciones agregadas, ndarray. corte Mecanismos de indexación, vectorización y transmisión, familiarizado con el uso común de Numpy, una de las tres herramientas más poderosas para el análisis de datos, familiarizado con las características y operaciones comunes de la estructura de datos ndarray, dominando las operaciones de corte, indexación, matrices y otras operaciones de matrices ndarray de diferentes dimensiones.
3. Tres estructuras de datos en Pandas, incluidos los conceptos básicos y el uso de marcos de datos, secuencias y objetos de índice, reemplazo y eliminación de objetos de índice, indexación, aritmética y alineación de datos, limpieza de datos y normalización de datos. y métodos de conversión de estructuras, estar familiarizado con el uso común de Pandas, una de las tres herramientas principales para el análisis de datos, y el uso de los tres objetos de datos en Pandas, y poder usar Pandas para completar la limpieza y el formato de datos más importantes. La conversión y la normalización de datos funcionan en el análisis de datos y leen y manipulan archivos a través de Pandas.
4. El sistema de estructura de tres capas de Matplotlib, el dibujo de varios tipos de gráficos comunes, como gráficos de líneas, gráficos de columnas, gráficos de columnas apiladas, gráficos circulares, la adición de leyendas, texto, marcadores y visualización. archivos de preservación. Familiarícese con el uso común de Matplotlib, una de las tres herramientas más poderosas para el análisis de datos, y la estructura de tres capas de Matplotlib, y sea capaz de usar Matplotlib con habilidad para dibujar varios gráficos de análisis de datos de uso común.
Ser capaz de utilizar de manera integral varias herramientas de visualización y análisis de datos mencionadas en el curso para completar todo el proceso práctico de proyectos como el análisis y predicción de datos del mercado de valores, el análisis de datos de usuarios de bicicletas y el análisis de datos del índice de felicidad global.
Fase 4: Aprendizaje automático e inteligencia artificial
Objetivos de la fase:
1. Comprender los conceptos básicos relacionados con el aprendizaje automático y el flujo de procesamiento del sistema.
2. Ser capaz de aplicar hábilmente varios modelos comunes de aprendizaje automático, resolver problemas de entrenamiento y prueba de aprendizaje supervisado y no supervisado, y resolver problemas de regresión y clasificación.
3. Familiarícese con los algoritmos de clasificación y los modelos de algoritmos de regresión de uso común, como KNN, árbol de decisión, bosque aleatorio, K-Means, etc.
4. Dominar los métodos de procesamiento de redes neuronales convolucionales para el reconocimiento de imágenes y el reconocimiento de lenguaje natural, y estar familiarizado con los modelos de optimización de tensor, conservación y gradiente en el marco de aprendizaje profundo TF.
5. Domine el mecanismo operativo de las redes neuronales convolucionales de aprendizaje profundo, pueda personalizar la capa de convolución, la capa de agrupación y la capa FC, y complete proyectos prácticos de aprendizaje profundo convencionales, como el reconocimiento de imágenes y el reconocimiento de fuentes escritas a mano. y reconocimiento de código de verificación.
Puntos de conocimiento:
1. Algoritmos de uso común para aprendizaje automático, uso de conjuntos de datos sklearn, extracción de características de diccionario, extracción de características de texto, normalización, estandarización, análisis de componentes principales de datos PCA, Algoritmo KNN, modelo de árbol de decisión, bosque aleatorio, modelos y algoritmos de regresión lineal y regresión logística. Estar familiarizado con los conceptos básicos relacionados con el aprendizaje automático, dominar el flujo de trabajo básico del aprendizaje automático, estar familiarizado con la ingeniería de funciones y ser capaz de utilizar varios modelos de algoritmos de aprendizaje automático de uso común para resolver problemas de clasificación, regresión, agrupación en clústeres y otros.
2. Con Tensorflow, gráfico de flujo de datos TF, conversación, tensor, visualización de tensorboard, modificación de tensor, lectura de archivos TF, uso de juegos de tensorflow, estructura de red neuronal, cálculo de convolución, función de activación Conceptos básicos relacionados con el cálculo y diseño de capas de agrupación, domine las diferencias y ejercicios antes del aprendizaje automático y el aprendizaje profundo, y domine el flujo de trabajo básico del aprendizaje profundo. Familiarícese con la estructura y características de las redes neuronales, el uso de tensores, estructuras gráficas y objetos OP, familiarícese con el diseño de capas de entrada, capas convolucionales, capas de agrupación y capas completamente conectadas, y complete profundidades comunes como el reconocimiento de códigos de verificación, reconocimiento de imágenes, reconocimiento de entradas de escritura a mano, etc. Conozca todo el proceso del proyecto.