工作以来，接触Python这一种开发语言已有两年有余，期间也有一段时间的Python语法学习和工具开发经历，但自知对Python开发仍知之甚少。 随着当前“人工智能”领域成为时代的风口浪尖，而Python也作为最接近人工智能的开发语言成为开发技术的热点，学习Python就显得愈发重要。 精通Python是入门人工智能的必要敲门砖，同时也是职场之路的核心技术能力，能够为自己的远大“钱”程保驾护航。 经过之前一段时间的努力也发现，Python入门到精通并非一蹴而就，也不是读完几本书就能达成的，这是一个长期的学习和实践积累过程。 因此必须要规划一个清晰的学习精进路线和知识体系，坚持学习和整理笔记，形成完整知识系统并应用到实践中。 基于上述背景，特创立本学习项目，以期积累点滴而汇聚江河，厚积而薄发。
-
Python开发环境
-
Python变量
-
流程控制语句
-
高级变量类型
-
函数应用
-
文件操作
-
面向对象编程
-
异常处理
-
模块和包
- 网络编程
- 并发编程
- 数据库编程
- 正则表达式
- 函数的高级应用
- 面向对象高级应用
- 常用库学习
-
os模块
-
sys模块
-
time模块
-
datetime模块
-
random模块
-
json和pickle模块
-
hashlib和hmac模块
-
logging模块
-
re模块
-
typing模块
-
collections模块
-
numpy模块
-
pandas模块
-
matplotlib模块
-
pathlib模块（了解）
-
shutil模块(了解)
-
xml模块(了解)
-
subprocess模块(了解)
-
Python常用模块小结
-
- Pycharm IDE
- Git管理
- 代码风格
- 打包与部署
- 文档编写与测试
- 代码优化
- 设计模式
- Linux系统应用
Python主要作为Web系统开发的后端语言，较少参与Web前端开发，但在Web开发过程中仍需要掌握一定的前端知识，如基础的HTML、CSS和JS。 Python后端开发则需要熟练掌握Web框架的应用，掌握接口通信技术，掌握数据库原理及相关优化。
- Djano框架
- Flask框架
- 数据库MySQL，Redis，MongoDB
- Rest接口开发
爬虫就是爬取网络上的数据，无论是网页还是app，只要你能看到的数据都能爬取下来。 当然有爬虫就有反爬虫，两种职业互相博益还是挺有意思的，精通爬虫必须要熟悉前端开发知识，你得知道网页时怎么来的，才能更好的爬取下来。 爬下来的数据也可以为数据分析做准备。
- 爬虫开发
- scrapy框架
- 索引操作
- 备份和回复
- 定制化爬虫采集系统
数据分析主要学习两个科学计算库numpy和pandas，两个可视化库matplotlib和seaborn。 学完之后数据清洗，数据展示没有问题，用python画出了图才能给别人讲出有意思的故事，同时也能为学习人工智能打下牢固的基础。
- 数据结构和算法
- 科学计算pandas和numpy
- 数据可视化matplotlib和seaborn
- 科学计算包Scipy
- 金融数据分析等
Python之所以能火，主要是因为人工智能的风口，所谓风口上的都会飞，那么Python也许就是风口上的代码。 人工智能的两大目的分别是分类和预测，主要在识别图片和预测未来等应用场景，同时pPython又有最大开源库可以调用这些包来应用，所以应用起来非常方便。 但是如果想从事人工智能行业，需要一定的数学基础，了解底层算法，才能更好的进入到神经网络和深度学习的领域。
- 机器学习
- 量化交易
- 机器视觉
- 深度学习
- 自然语言处理
《Python基础教程》
《Python高级编程》
《Python高性能编程》
本书共有12章，围绕如何进行代码优化和加快实际应用的运行速度进行详细讲解。本书主要包含以下主题：计算机内部结构的背景知识、列表和元组、字典和集合、迭代器和生成器、矩阵和矢量计算、并发、集群和工作队列等。最后，通过一系列真实案例展现了在应用场景中需要注意的问题。
《Python核心编程（第3版）》
全书总共分为3部分，第1部分讲解了Python的一些通用应用，包括正则表达式、网络编程、Internet客户端编程、多线程编程、GUI编程、数据库编程、Microsoft Office编程、扩展Python等内容。第2部分讲解了与Web开发相关的主题，包括Web客户端和服务器、CGI和WSGI相关的Web编程、Diango Web框架、云计算、高级Web服务。第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。
《Python数据分析》
Python是一种多范型编程语言，既适用于面向对象的应用开发，又适合函数式设计模式。 Python已经成为数据科学家进行数据分析、可视化以及机器学习的一种理想编程语言，它能帮助你快速提升工作效率。 本书将会带领新手熟悉Python数据分析相关领域的方方面面，从数据检索、清洗、操作、可视化、存储到高级分析和建模。 同时，本书着重讲解一系列开源的Python模块，诸如NumPy、SciPy、matplotlib、pandas、IPython、 Cython、scikit-learn和NLTK等。 此外，本书还介绍了数据可视化、信号处理、时间序列分析、数据库、预测性分析和机器学习等主题。通过阅读本书，你将华丽变身数据分析高手。
《利用Python进行数据分析》 《Python数据分析与挖掘实战》 《Python数据可视化编程实战》
机器学习入门书籍： 《Python数据科学指南》
本书详细介绍了Python在数据科学中的应用，包括数据探索、数据分析与挖掘、机器学习、大规模机器学习等主题。每一章都为读者提供了足够的数学知识和代码示例来理解不同深度的算法功能，帮助读者更好地掌握各个知识点。
《Python机器学习实践指南》
全书共有10 章，第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与 机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。
《贝叶斯思维：统计建模的Python学习法》
- 从就业前景来看：AI人工智能 > python后端 > 数据分析 > 爬虫
- 建议学习路线：基础语法——高阶语法——高级编程实践——数据结构与算法——Web系统开发——数据分析——人工智能
- 开发技术学习需要持之以恒，并坚信10000小时法则，需要长期练习和实践。