Ph学习路线图,大学生必看。

从0开始学习Python的八个阶段

00资源共享在前面

国内Python学习网站:

黑马程序员视频库:blogs.com)

海外Python学习网站:

codecademy(www . codecademy . com udemy(www . udemy . com)

Coursera(www.coursera.org

edX(www.edx.org)

免费代码营(www.freecodecamp.org)

中文文件地址

Python官方文档:/3/Python标准库:/3 /3/library/index.html

01Python基础

学习目标:

能够熟练运用Python技术完成针对小问题的编程和小游戏程序的开发。

学习重点:

1)计算机组成原理:计算机部件,操作系统分类,

B/S和C/S架构,了解软件和硬件的区别。

2)Pvthon变量和开发环境:字符串、数字、字典列表、祖先等。

3)过程控制语句:程序的执行顺序,顺序执行,循环执行。

选择执行

4)函数:定义函数、调用函数、嵌套函数、递归函数。

文件的基本操作:打开、编辑和关闭文件。

6)面向对象编程:类对象、实例对象、定义类、实例化对象。

7)异常处理:学会捕捉异常,定制异常。

8模块和包:了解模块和包的概念并学会使用。

9)制作飞机战争游戏:独立完成飞机战争游戏。

02Python和Linux高级版

学习目标:

能够使用面向对象的编程方法,基于Linux。

操作系统开发高并发的网络程序。

学习重点:

1)Linux系统应用:Linux发行系统和基本操作语言的使用。

2)网络编程:TCP/IP协议,服务器工作流程。

3)并发编程:线程、进程和进程3

4)函数的高级应用:熟练使用函数调用等。

5)正则表达式:熟练运用re模块的各种方法。

6)数据库:关系型数据库、非关系型数据库和MySQL。

7)Python语法高级:闭包、修饰器、生成器、迭代器。

8)迷你web服务器:根据网络服务的流程,编写一个简单的web服务器。

9)迷你web框架:你可以写一个简单的web服务器框架。

03前端开发

学习目标:

能写简单的HTML页面,能使用iQuery,CSS等。

学习重点:

1)学习HTML:HTML的文档结构和快速创建HTML的方法。

2)CSS:CSS的使用

3)3)PS的简单应用:Photoshop的基本使用、颜色选择、绘制。

4)JavaScript学习:JavaScript的基本语法。

5)学习iQuery:使用iQuery

6)Vue框架:框架的使用和注意事项。

04Web开发

学习目标

能够熟练使用Flask和Diango框架开发web服务。

学习重点:

1)使用Flask Web框架

模板和表单、数据库使用、单元测试、第三方扩展

云服务器开发部署,Redis缓存使用,GIT版本控制。

系统,使用,验证码收发,网站项目开发实战

2)2)Djangoweb框架的用法,框架的使用方法和模型介绍。

,ORM和数据库操作,视图和模板,Diango。

中间件、Django RESTFramework和网站项目开发。

05爬虫开发

学习目标

能够写出实用的爬虫项目。

学习重点:

1)知识体系和相关工具进行爬行开发。

网络爬虫原理及相关爬虫工具

2)MongoDB数据库

数据库的添加、删除和查询

3)杂乱的框架

框架的原理及应用

4)定制的爬虫采集系统

数据收集和分析

5实战物品

实用综合爬虫应用

06壳牌自动操作和维护

学习目标:

能够熟练使用shell命令和Python脚本进行自动化运维。

学习重点:

1)外壳操作和维护、脚本和变量

运维入门,shell入门,脚本执行方法,开发规范。

2)高级2)shell常用命令

表达式、linux常用符号和常用命令的详细说明

3)壳牌过程控制

Select语句、循环语句、函数

4)代码发布和环境部署

掌握代码发布流程和环境部署。

5码脚码发

主手动代码发布和脚本代码发布。

07数据挖掘和数据分析

学习目标:

能够熟练使用Python技术完成小问题

小游戏程序的编程与开发。

学习重点:

基本概念:序列表、链表、堆栈和队列1。

2)排序和索引:排序、索引、树和树算法。

3)系列对象:系列对象和数据帧对象的数据帧查询。

4)数据操作:数据操作、存取、统计。

5熊猫素描:熟练运用熊猫。

6)科学计算numpy和熊猫:numpy,熊猫,

Matpalotlib,财务数据的综合分析和处理

08人工智能

学习目标:

能够熟练运用Python技术完成针对小问题的编程和小游戏程序的开发。

学习重点:

1)特征工程:了解什么是人工智能、机器学习、深度学习、特征工程。

2)监督学习分类算法:熟悉监督学习分类算法和Scikit-learn用法。

3)模型选择和调整:可用数据集和模型的选择和调整。

4)数据和多因素模型:多因素模型的应用

5量化交易策略:量化交易概念及相关策略

6)回测框架:了解回测框架。

7)量化交易平台实战:关于量化交易平台实战的项目。