厉害的Python工程师，都是怎么做学习规划的？超详细学习入门—精通教程

随着Python的发展，已成为程序员能力模型中，非常重要的一个技能。

甚至BATZJ的工程师，都无可否认现在Python对于一个程序员职业发展的重要性。

但很多小白在面对“怎么规划未来Python的学习计划”时，往往很难做出正确的选择：

• 因为应用方向多，反而不知道该学什么

• 知识点那么多，正确的的学习路径是什么

• 市面上教程质量参差不齐，很多为了“速成”存在大量的知识断层，学完后连demo都写不好

这些问题，其实多数小白都层遇到过！至于学什么？长期往哪个应用方向发展？以我的经验来看，只有学过后，尝试后，才能真的知道哪个最适合自己。

关于学习路径以及怎么学习，这里给大家一些建议：一，基础得打好，无论做数据分析还是Web开发，都得按照学习路径学；二、多实践项目，多对比方案的优劣，了解市面上性能较好的解决方案。三、提升自己的认知水平，拓宽行业视野。

Python学习路径：

当然，这都不是一蹴而就的，更有效的方式是找到一份知识体系全面的教程跟着学。下面推荐大厂大佬亲自研发的《1.6米长的python学习路径图》学习教程，包含了从入门到进阶4大应用方向的内容，助你从零建立Python工程师必备的知识体系，满足不同应用方向的学习需求。

机会总是留给有准备的人的！所以，此刻，强烈建议你不要犹豫！

让初学者不走弯路，学习效率提升50%以上。

01 python学习大纲

先看一下大纲缩略，整体了解一下骨架，前三个模块为必修内容，后五个模块为选修内容,都有对应的学习资源和实战项目。

但是需要注意的是，掌握前3个阶段虽然我们可以轻松愉快的使用Python，但是是找不到工作的。

除非是非程序员岗位，仅仅用来做一些自动化办公的内容。

因此我们需要根据自己喜欢的方向，来进一步学习后面的5个模块选修内容。

Python的方向有：网络爬虫、人工智能、数据分析、web开发等。 

关于学习规划：

彼得团队给你肝的这份资料，要想通关，了解通关技巧必不可少，我的建议：

一天至少拿出4个小时来学习，学2个小时的知识点，剩下2个小时练习代码。

那下面进入完整的学习路线细节规划。

02 Python基础知识

首先，第一步学习 Python 基础知识。

（1）计算机原理

• 计算机的组成原理

• 计算机的指令和运算

• 处理器设计

• 存储和I/O系统

（2）Linxu使用

（3）python开发环境

• window环境

• linux环境

（4）变量和简单数据类型

• 变量

• 数

• 注释

• 字符串str

• 列表list

• 元组tuple

• 集合set

• 字典dict

（5）判断与循环

• if/else判断

• for循环

• while循环

03 高级知识

（1） 函数

• 普通函数

  • 函数传参

  • 作用域

  • 闭包

• 匿名函数

• 生成器函数

• 装饰器

(2) 正则表达式

• compile

• match

• search

（3）文件I/O

• 文件读取与操作

  • open函数

  • 指针

  • w/r/a/b各种模式的区别

  • with上下文语法

• 异常处理

• 数据存储

  • pickle模块

  • json模块

  • ini格式文件处理

  • csv格式文件处理

（4）类

• 面向对象基础知识

  • 面向对象的三要素

  • 类和实例

  • 类变量与实例变量

  • 类方法与静态方法

  • 访问控制与属性装饰器

  • 继承与多态

• 面向对象高级知识

  • 属性查看

  • 运算符重载

  • 容器化

  • 反射

  • 上下文管理

  • 描述器

(5)模块化

• 模块导入

• 打包分发

04 进阶知识

• Git使用

• 并发编程

  • 多线程开发

  • 多进程开发

  • 异步开发

• 网络编程

  • 网络知识

  • TCP编程

  • UDP编程

  • socketserver

• 数据库编程

  • 数据库原理

  • 事务和锁

  • 增删改查

  • 子查询与join

  • 分组聚合

  • 数据库调优

05 网络爬虫

(1) 爬虫基础

• 数据抓取

  • 静态加载（小说下载）

  • 动态加载（漫画下载）

  • 进阶体验（视频下载）

  • API的使用方法

• 代理IP

• 数据库

(2)爬虫进阶

• 模拟登录

• 验证码识别

• 正则表达式

• APP爬取

（3）爬虫高阶

• scrapy框架

• 分布式爬虫

• 逆向解密

06 机器学习

（1）数据预处理

• 数据清洗

• 数据变换

（2）特征工程

• 特征选择

• 特征融合

（3）算法模型

• 监督学习

  • 分类

    • k-近邻算法

    • 决策树

    • 朴素贝叶斯算法

    • Logistic回归

    • SVM支持向量机

    • CART分类树

    • Softmax回归

  • 回归

    • 线性回归

    • 局部加权线性回归

    • CART回归树

  • 集成学习

    • Bagging

    • Boosting

    • 随机森林

    • AdaBoost

    • GBDT

    • XGBoost

• 无监督学习

  • 聚类

    • K-means

    • 层次聚类

    • DBSCAN

（4）模型评估

• 准确率

• 召回率

• P-R曲线

• ROC

• AUC

• MSE

07 深度学习

（1） 深度学习基础

• 预处理&数据增强

  • 图像裁剪

    • 中心剪裁

    • 随机裁剪

    • 随即长度比裁剪

  • 翻转和旋转

    • 概率垂直翻转

    • 随即旋转

  • 图像变换

    • Resize

    • 标准化

    • 填充

    • 灰度化

    • 线性变化

    • 放射变换

    • Tensor

• 层次结构

  • 输入层

  • 卷积层

    • 标准卷积

    • 空洞卷积

    • 分组卷积

    • 可变性卷积

    • 可分离卷积

  • 激励层

    • sigmoid

    • tanh

    • ReLU

    • leaky ReLU

    • ELU

    • SELU

  • 池化层

    • 平均池化

    • 最大池化

    • 随机池化

    • 全局平均池化

  • 上采样层

    • 双线行插值

    • 转置卷积（反卷积）

    • 反池化

  • 全链接层

• 损失函数

  • zero one loss

  • cross entropy loss

  • mes loss

  • logistic loss

  • focal loss

  • center loss

  • wing loss

  • dice loss

  • hinge loss

  • arcface loss

• 优化算法

  • BGD

  • SGD

  • MBGD

  • Momentum

  • RMSPROP

  • Adam

• 其他

  • 权重 w 初始化

    • 零初始化

    • 随机化初始化

    • Xavier 初始化

    • He 初始化

    • 预训练初始化

  • 学习率 appha 调整

    • 指数衰减

    • 根号衰减

    • 分段离散衰减

    • 手动调整衰减

• 后处理

  • 分类映射

  • 检测NMS

(2) 深度学习框架

• Caffe

• Tensorflow

• Pytorch

• Paddle

• MXNet

08 web全栈开发

• web开发前的准备

  • 搭建虚拟环境

  • 包管理和虚拟环境

• Flask Web开发

  • Flask入门

  • 模块

  • 使用MySQL

  • 理解Context

• Flask开发阶段

  • Flask的信号机制

  • Flask的扩展

  • Werkzeug的使用

• REST和Ajax

• 网站架构

  • Python应用服务器

  • Web服务器Ngix

  • 缓存系统Memcache

  • 键值对数据库Redis

  • NoSQL数据库MongoDB

  • 大型网站架构经验

• 系统管理

• 测试与持续集成

• 消息队列和Celery

• 服务化

• 数据处理

09 数据分析

• 数据学科

  • 数据学科介绍

  • 数据学科环境安装

  • 软件配置和使用

• 数据计算

  • 数组创建

  • 索引/切片/布尔查询

  • 数据运算/变换

  • 随机数操作

  • 数值模拟项目

• 可视化

  • Matplotlib可视化

  • seaborn可视化

  • pyechart可视化

  • 可视化项目

• 数据分析

  • numpy

  • pandas

  • 数据分析流程

  • 数据分析报告

• 文本分析

  • 中文分词

  • 关键词抽取

  • 词云

  • 中文情感分析

  • 语义结构分析

  • 文本分析项目

 最后

如果你也想自学Python，可以关注我。我会把踩过的坑分享给你，让你不要踩坑，提高学习速度，还整理出了一套系统的学习资料，有需要的朋友欢迎【私信】~这套资料涵盖了诸多学习内容：开发工具，基础视频教程，实战资料，电子书籍，100道练习题等。相信可以帮助大家在最短的时间内，能达到事半功倍效果，用来复习也是非常不错的。

如果你对python感兴趣，但是不知道该怎么学，没有人和你一起学，欢迎加入我们的python学习交流群https://jq.qq.com/?_wv=1027&k=UkRXPTJC群里还会不定期免费分享学习源码及资料。

 最后，祝君成功。