不管你是待業(yè)還是失業(yè)，在這個被互聯(lián)網(wǎng)圍繞的時代里，選擇怎樣深入學(xué)習(xí)python，就多了一項技能，還怕找不到工作？，還怕不好找工作？小編就來告訴你這個專業(yè)的優(yōu)勢到底體現(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“計算機視覺”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。近幾年對深度學(xué)習(xí)的關(guān)注度也在不斷上升，這里有一個調(diào)查結(jié)果可以參考。這里有一個 Google 的搜索趨勢圖：如果你對這個話題感興趣，這里有一個很好的非技術(shù)性的介紹。如果你有興趣了解最近的趨勢，那么這里有一個很好的匯總。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，同時也是為想要進一步學(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)該先了解一些機器學(xué)習(xí)的基礎(chǔ)知識。這篇文章列出了完整的學(xué)習(xí)機器學(xué)習(xí)的資源。如果你想要一個簡單的學(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)計學(xué)基礎(chǔ)機器學(xué)習(xí)基礎(chǔ)建議時間：2-6個月步驟1：機器配置在進行下一步學(xué)習(xí)之前，你應(yīng)該確保你有一個支持你學(xué)習(xí)的硬件環(huán)境。一般建議你至少擁有以下硬件：一個足夠好的 GPU（4+ GB），*是 Nvidia一個還可以的 CPU（比如：Intel Core i3，Intel Pentium 可能不適合）4 GB RAM（這個取決于數(shù)據(jù)集大小）如果你還不確定，那么請閱讀這個硬件指南。備注：如果你是一個硬件玩家，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，那么你可以租一個云平臺來學(xué)習(xí)，比如 Amazon Web Service（AWS）。這是使用 AWS 進行深度學(xué)習(xí)的良好指南。備注：在這個階段不要安裝任何深度學(xué)習(xí)的庫，安裝過程我們會在步驟 3 中介紹。步驟2：初試深度學(xué)習(xí)現(xiàn)在，你已經(jīng)對這個領(lǐng)域有了一個初步的認識，那么你應(yīng)該進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，你還應(yīng)該了解一些流行的深度學(xué)習(xí)庫和運行他們的語言。以下是一個不太完整的列表（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)用在各個領(lǐng)域中，并且取得了*進的研究成果。如果你想更深入的了解，那么作為一個讀者，你最適合的路徑就是動手實踐。這樣才能對你現(xiàn)在了解的內(nèi)容有一個更加深入的認識。注意：在以下的每個領(lǐng)域中，都會包括一個博客，一個實戰(zhàn)項目，一個需要的深度學(xué)習(xí)庫以及一個輔助課程。*步你應(yīng)該學(xué)習(xí)一下博客，然后去安裝對應(yīng)的深度學(xué)習(xí)庫，然后再去做實戰(zhàn)項目。如果在這個過程中，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)在機器視覺中的應(yīng)用參考博客：DL for Computer Vision 實戰(zhàn)項目：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 實戰(zhàn)項目：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 實戰(zhàn)項目：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)在強化學(xué)習(xí)中的應(yīng)用參考博客和實戰(zhàn)項目：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 來測試你的模型。推薦課程：CS294: Deep Learning 建議時間：1-2個月步驟4：深挖深度學(xué)習(xí)現(xiàn)在你應(yīng)該已經(jīng)已經(jīng)學(xué)會了基礎(chǔ)的深度學(xué)習(xí)算法！但是前面的路程會更加艱苦?，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)到的心技能去做點別的事，比如參考這個網(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-機器學(xué)習(xí)實戰(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-項目實戰(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，請嘗試深度學(xué)習(xí)的練習(xí)題：Identify the Digits。當(dāng)你對深度學(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！你想更深入了解學(xué)習(xí)Python知識體系，你可以看一下我們花費了一個多月整理了上百小時的幾百個知識點體系內(nèi)容：高薪實戰(zhàn)學(xué)習(xí)大合集 往期精彩文章，歡迎點贊收藏！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所有高級知識點！不用懷疑！決定棄用Docker一鍵申請多個證書 shell 腳本

2.一些Python的學(xué)習(xí)心得

寫在前面如果時光可以倒流，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)時代最熱門、最前沿的發(fā)展方向，人工智能的基礎(chǔ)知識也已經(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，最深的體會即簡潔。print('Hello World')短短一行代碼即可以寫出你的*個程序。另外，Python有內(nèi)容豐富且功能強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，其實還有一些工作要準(zhǔn)備。Python分文2和3兩個版本，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，還需要一個運行環(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)課后都會附上練習(xí)，并且還有各種有趣的編程小游戲以供實踐。另外還會定期開一些坑，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)常會忘記一些細節(jié)問題。比如如何提取列表中的某元素。這時就需要一個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，迎娶白富美，走向人生巔峰： : 值(value)對的集合。可以使用大括號{}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…語句時一定記得在每一個if條件和else后面都加上英文冒號，且同一層的語句保持相同的縮進（建議4個空格）。上述2點都是容易引起報錯的地方。循環(huán)循環(huán)語句提供了一種自動化的、完成重復(fù)勞動的便捷方法。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。因為for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。在實際編程的過程中，可以通過將常用運算編寫為函數(shù)使代碼更加簡潔，可讀性更高。定義一個函數(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)識符名稱和圓括號()。任何傳入?yún)?shù)和自變量必須放在圓括號中間。圓括號之間可以用于定義參數(shù)。函數(shù)內(nèi)容以冒號起始，并且縮進。return [表達式] 結(jié)束函數(shù)，選擇性地返回一個值給調(diào)用方。不帶表達式的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程序范圍內(nèi)訪問。舉例如下：模塊Python 模塊(Module)，是一個 Python 文件，以 .py 結(jié)尾，包含了 Python 對象定義和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)隊列(queue)是限定只能在表的一端進行插入，在表的另一端進行刪除的特殊的線性表。即“先進先出”。堆棧(stack)是一個只在表尾進行刪除和插入操作的線性表。即“后進先出”。在列表中，可以使用append()方法添加元素至隊尾。執(zhí)行隊列操作可以通過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，每一天都充滿了動力。 學(xué)習(xí)過程中遇到的*的問題是知識點容易混淆和記不清，經(jīng)常出現(xiàn)bug；在短時間內(nèi)不能對學(xué)到的知識靈活的運用，這需要在以后的學(xué)習(xí)中不斷重復(fù)知識點。

就拿大數(shù)據(jù)說話，優(yōu)勢一目了然，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)機構(gòu)，進行專業(yè)和系統(tǒng)的學(xué)習(xí)。