1 Python 学习路线【转贴】

Python 学习路线

视频地址：

https://www.bilibili.com/video/BV1Xf4y1j7Np

网络上，学习 Python 编程的资料太多了，家家都说自己的最好，这可为难坏了，有选择困难症的小伙伴们了。

如果，你还在纠结，到底选择什么书籍、看什么视频、用什么网站、采用什么学习方法，去学 Python，那本期视频绝对能帮助到你。

这份 Python 学习路线，会帮助大家做个减法，推荐最佳的学习资源、学习方法，每个知识点为什么学，学习的时间安排，都给大家安排的明明白白了。

1 路线特点

1.1 最新、最全的完整学习路线！

1.2 明确目标、学习建议、知识点、优质资源推荐（视频、书籍、文档、项目、工具等）

1.3 最好的投资，就是投资自己

2 前言

Jack 熬了几个大夜，结合个人经历，并参考了大量资料，总结而成的学习路线。

真的不容易，如果大家满意，请务必三连支持一下。

视频地址：

https://www.bilibili.com/video/BV1Xf4y1j7Np

3 阶段1：Python入门

3.1 学习目标

搭建开发环境，快速上手。
30天学会Python基础语法

3.2 前期准备

开发环境搭建是第一步，万事开头难，耐心配置好本地开发环境，也方便我们后续的学习，推荐两种配置组合。
- Anaconda+Jupyter：https://mp.weixin.qq.com/s/ghKGVutz9RQ4fMGJDHWtww
- Anaconda+Vscode：https://www.baidu.com/s?wd=vscode%20anaconda
- 说明1：Anaconda管理python包方便，vscode适合喜欢ide风格的小伙伴，调试方便。jupyter适合喜欢轻便的交互式风格的小伙伴。两者都是我常用的搭配。
- 说明2：不推荐pycharm，太大，配置也相对麻烦，再找个激活码，折腾来折腾去的。
好记性不如烂笔头，学编程的过程中遇到的问题、学习的知识点、一些感悟总结，都可以记下来。
- 推荐软件 Typora：https://www.typora.io/
- 脑图工具 Xmind：https://www.xmind.cn/
- 推荐使用 Markdown 语法编写：https://www.runoob.com/markdown/md-tutorial.html
想学好编程就要勤动手，一定要多写代码，哪怕手打去抄代码也行，要一步一步尝试自己写代码，切记。
选视频和资料的小技巧：货比三家，看评论区，找一些经典、不过时的资料。当然，为了省事，可以看我下面的良心推荐。
初学编程，一丢丢基础都没有的小伙伴，入门可能需要一个月的过程，不要灰心，循序渐进，不要着急。

3.3 python编程基础（30天）

知识点
- 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
- 判断与循环
  - if/else判断
  - for循环
  - while循环
- 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
- 正则表达式
  - compile
  - match
  - search
- 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
- 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
    - 实例化、可视化和hash
    - 运算符重载
    - 容器化
    - 反射
    - 上下文管理
    - 描述器
- 模块化
  - 模块导入
  - 打包分发
学习建议

持续学习，坚持住！

别只光顾着看，一定要动手写代码，完成数据或视频的课后题。

动手写代码，是指用键盘多敲代码。
资源
- 视频
  - 零基础入门学习Python：https://www.bilibili.com/video/BV1xs411Q799
- 书籍
  - Python编程，从入门到实践（第2版）：https://book.douban.com/subject/35196328/
- 文档
  - 菜鸟教程Python：https://www.runoob.com/python3/python3-tutorial.html
  - 廖雪峰Python：https://www.liaoxuefeng.com/wiki/1016959663602400

4 阶段2：巩固基础

4.1 学习目标

学编程，计算机基础要学好。

数据结构，是程序员的内功，也是面试找工作必过的一关。

通过学习计算机基础，可以帮助我们对编程有个更深刻的认识。

4.2 计算机基础（30天）

知识点
- 操作系统
  - 进程、线程
  - 进程 / 线程间通讯方式
  - 进程调度算法
  - 进程 / 线程状态
  - 死锁
  - 内存管理
- 计算机网络
  - HTTP / HTTPS 协议
  - 网络模型
  - UDP / TCP 协议
  - 网络安全
  - 域名解析
学习建议

巩固基础，可以看一些计算基础知识，比如操作系统、计算机网络。

内容或许会枯燥一些，但可以结合一些有趣的视频或者图书，比如《计算机科学速成课》，提高自己的兴趣。

这部分知识，不必强学硬记，如果时间不够充裕，每个知识点有个印象就行。

后面实战过程中，遇到了哪些问题，可以回头再看。
资源
- 视频
  - 计算机科学速成课：https://www.bilibili.com/video/BV1EW411u7th
  - 计算机网络微课堂：https://www.bilibili.com/video/BV1c4411d7jb
  - 清华操作系统原理：https://www.bilibili.com/video/BV1uW411f72n
- 书籍
  - 操作系统
    - 操作系统真相还原
    - 深入理解计算机系统
    - 现代操作系统
  - 计算机网络
    - 图解TCP/IP
    - 图解HTTP
    - 计算机网络-自顶向下方法

4.3 数据结构与算法（30天）

知识点
- 时间 / 空间复杂度分析
- 数据结构
  - 数组
  - 字符串
  - 队列
  - 栈
  - 链表
  - 集合
  - 哈希表
  - 二叉树
- 算法
  - 排序
  - 双指针
  - 查找
  - 分治
  - 递归
  - 回溯
  - 动态规划
  - 贪心
  - 位运算
  - DFS
  - BFS
  - 图
学习建议

数据结构与算法，是程序员的内功。

面试找工作必过的一关。边刷题，边学习知识点。

初学者推荐《剑指offer》，题目简单，上手快。

有一定基础建议刷 Leetcode，刷个 200 道，找工作基本没啥问题。
资源
- 在线教程
  - Leetbook：https://leetcode-cn.com/leetbook/
- 刷题网站
  - Leetcode：https://leetcode-cn.com/
  - 牛客网：https://www.nowcoder.com/activity/oj
- 刷题笔记（我的珍藏）
- 书籍
  - 算法图解（适合入门）：https://book.douban.com/subject/26979890/
  - 剑指 Offer：https://book.douban.com/subject/27008702/
  - 数据结构与算法分析：https://book.douban.com/subject/1139426/
- 视频
  - 浙大数据结构：https://www.bilibili.com/video/BV1JW411i731
  - leetcode真题解析：https://www.bilibili.com/video/BV1a54y1b74k

5 阶段3：开发基础

5.1 学习目标

面向薪资编程，掌握开发过程中需要掌握的小技能~

5.2 Git（3天）

知识
- 工作区
- 分支
- 代码提交、推送、拉取、回退、重置
- 分支操作
- 代码合并、解决冲突
- 标签
- cherry-pick
学习建议

最常用的就是四个：
git add
git commit -m
git push
git pull
资源
- 文档
  - GitHub 官方文档：https://docs.github.com/cn
  - 菜鸟Git教程：https://www.runoob.com/git/git-tutorial.html
  - 廖雪峰Git教程：https://www.liaoxuefeng.com/wiki/896043488029600
- 视频
  - 5h打通Git全套教程：https://www.bilibili.com/video/BV1vy4y1s7k6
- 游戏
  - Learning Git Branching：https://learngitbranching.js.org/?locale=zh_CN

5.3 Linux（7天）

知识
- Linux 系统安装
- 环境变量
- 文件管理
- 用户管理
- 内存管理
- 磁盘管理
- 进程管理
- 网络管理
- 软件包管理
- 服务管理
- 日志管理
- Linux 内核
- 常用命令
- 常用环境搭建
- Shell 脚本编程
- VIM 的使用
学习建议

Linux最常用的一些指令和工具要掌握好。Linux是做程序员之后，经常使用的开发环境。

Linux指令不用死记硬背，经常使用Linux就好了。

最开始不习惯无界面的Linux，可以使用Ubuntu作为过渡。
资源
- 视频
  - 2021 韩顺平一周学会Linux：https://www.bilibili.com/video/BV1Sv411r7vd
- 书籍
  - 鸟哥的 Linux 私房菜：https://book.douban.com/subject/30359954/
- 文档
  - Linux 工具快速教程：https://linuxtools-rst.readthedocs.io（基础、工具进阶、工具参考）
  - 菜鸟Linux教程：https://www.runoob.com/linux/linux-tutorial.html
- 社区
  - Linux 中国：https://linux.cn/
- 工具
  - Linux 命令搜索：https://wangchujiang.com/linux-command
  - Linux 命令大全手册：https://www.linuxcool.com/

5.4 MySQL 数据库（7天）

企业中大部分业务数据都是用关系型数据库存储的，因此数据库是后台开发同学的必备技能，其中 MySQL 数据库是目前的主流，也是面试时的重点。

知识
- 基本概念
- MySQL 搭建
- SQL 语句编写
- 约束
- 索引
- 事务
- 设计数据库表
- 性能优化
学习建议

数据库sql指令要学习，也是多动手。

记不住一些指令也没关系，现查就行，用多了就好了。
资源
- 视频
  - 老杜 - mysql入门基础 + 数据库实战：https://www.bilibili.com/video/BV1Vy4y1z7EX（较新、内容相对精炼，有习题）
- 书籍
  - 高性能MySQL：https://book.douban.com/subject/23008813/
- 在线练习
  - SQL 自学网：http://xuesql.cn/
  - SQL 在线运行：https://www.bejson.com/runcode/sql/
- 文档
  - SQL 菜鸟教程：https://www.runoob.com/sql/sql-tutorial.html
  - MySQL - 菜鸟教程：https://www.runoob.com/mysql/mysql-tutorial.html

6 阶段4：兴趣选型

6.1 学习目标

python只是一个编程语言，还需要根据自己喜欢的方向，进一步学习。

选择自己喜欢的方向，深入学习，以兴趣点出发，学起来事半功倍。

这里的内容，不用都掌握，根据自己喜欢的方向，选择即可。

6.2 人工智能（90天）

知识
- 机器学习
  - 数据预处理
    - 数据清洗
    - 数据变换
  - 特征工程
    - 特征选择
    - 特征融合
  - 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
  - 模型评估
    - 准确率
    - 召回率
    - P-R 曲线
    - ROC
    - AUC
    - MSE
- 深度学习
  - 深度学习基础
    - 预处理&数据增强
      - 图像裁剪
        
        中心裁剪
        
        随机裁剪
        
        随机长宽比裁剪
      - 翻转和旋转
        
        概率水平翻转
        
        概率垂直翻转
        
        随机旋转
      - 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
        
        可变形卷积
        
        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
      - mse loss
      - logistic loss
      - focal loss
      - center loss
      - wing loss
      - dice loss
      - hinge loss
      - arcface loss
    - 优化算法
      - BGD
      - SGD
      - MBGD
      - Momentum
      - RMSProp
      - AdaGrad
      - Adam
    - 其他
      - 权重 w 初始化
        
        零初始化
        
        随机初始化
        
        Xavier 初始化
        
        He 初始化
        
        预训练初始化
      - 学习率 alpha 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
      - ··· ···
  - 深度学习框架
    - Caffe
    - Tensorflow
    - Pytorch
    - Paddle
    - MXNet
学习建议

先学机器学习，再学深度学习。

人工智能入门有一定的门槛，但并是不什么高大上的技术，有本科的高数基础就能学。

但由于想从这这个方向的人较多，想找到这个方向的相关工作，建议读研，这样才有竞争力。

学习的方法还是多实战，可以参加一些比赛，例如 Kaggle、阿里云天池等。
资源
- 视频
  - 吴恩达深度学习：https://www.bilibili.com/video/BV1FT4y1E74V
  - 吴恩达机器学习：https://www.bilibili.com/video/BV164411b7dx
  - MIT 线性代数：https://www.bilibili.com/video/BV1ix411f7Yp
  - PyTorch 快速入门教程：https://www.bilibili.com/video/BV1hE411t7RN
  - Tensorflow2.0 入门教程：https://www.bilibili.com/video/BV1Zt411T7zE
- 书籍
  - 机器学习实战：https://book.douban.com/subject/24703171/
  - 机器学习（西瓜书）：https://book.douban.com/subject/26708119/
  - 深度学习（花书）：https://book.douban.com/subject/27087503/
  - 机器学习实战（sklearn+tf）：https://book.douban.com/subject/35218199/
  - 统计学习方法：https://book.douban.com/subject/10590856/
  - 线性代数及其应用：https://book.douban.com/subject/1425950/
  - 概率论与数理统计：https://book.douban.com/subject/2201479/
- 文档
  - Jack Cui机器学习实战
    - Github：https://github.com/Jack-Cherish/Machine-Learning
    - 个人网站：https://cuijiahua.com/blog/ml/
  - Jack Cui深度学习实战
    - Github：https://github.com/Jack-Cherish/Deep-Learning
    - 个人网站：https://cuijiahua.com/blog/dl/dl-basics/
- 竞赛
  - Kaggle：https://www.kaggle.com/
  - 阿里云天池：https://tianchi.aliyun.com/competition/gameList/activeList

6.3 量化交易（60天）

知识
- 策略
  - 双均线策略
  - 海归策略
  - 套利策略
  - 多因子选股
  - 新闻情绪因子
  - 超平滑均线策略
  - 配对交易策略
  - Alpha对冲策略
- 技术指标
  - MACD
  - EMA
  - BOLL线
- 收益分析
  - 收益率
  - 最大回撤
  - 夏普比率
  - Alpha
  - Beta
学习建议

学量化，不要急，数学功底要过硬。

不要盲目实盘，多学多看。

先有逻辑，再coding，靠着自己的逻辑炒股都亏，更别提自己写的代码了。

量化，就是将自己的交易思路，写成代码。

学技术，学思想。
资源
- 视频
  - Jack Cui入门教程：https://www.bilibili.com/video/BV1Z44y1874X
- 文档
  - Github：https://github.com/Jack-Cherish/quantitative
  - 聚宽社区：https://www.joinquant.com/study
- 书籍
  - 富爸爸穷爸爸：https://book.douban.com/subject/27153484/
  - 牛奶可乐经济学：https://book.douban.com/subject/3000997/
  - 聪明的投资者：https://book.douban.com/subject/5243775/
  - 打开量化投资的黑箱：https://book.douban.com/subject/10528799/

6.4 数据分析（60天）

知识
- 数据学科
  - 数据学科环境安装
  - 软件配置和使用
- 数值计算
  - 数组创建
  - 索引/切片/布尔查询
  - 数组运算/变换
  - 随机数操作
  - 数值模拟项目
- 可视化
  - Matplotlib可视化
    - 折线图
    - 散点图
    - 柱状图
    - 直方图
    - 箱线图
    - 热力图
    - 高级绘图
  - 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
学习建议

Excel、SQL、Python 数据分析都得掌握。

SQL 看 - 阶段3：开发基础的资料即可。
资源
- 视频
  - 数据分析自学课：https://www.bilibili.com/video/BV1ZM4y1u7uF
  - Excel教程：https://www.bilibili.com/video/BV11J411g7k4/
- 书籍
  - 利用Python进行数据分析：https://book.douban.com/subject/25779298/
  - Python数据分析与挖掘实战：https://book.douban.com/subject/26677686/
- 资料
  - 利用Python进行数据分析：https://github.com/BrambleXu/pydata-notebook
  - 开源数据可视化分析工具：https://github.com/dataease/dataease
  - 可视化工具：https://github.com/pyecharts/pyecharts

6.5 网络爬虫（30天）

知识
- 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
- 爬虫进阶
  - 模拟登录
  - 验证码识别
  - 正则表达式
  - APP 爬取
- 爬虫高阶
  - Scrapy框架
  - 分布式爬虫
  - 逆向解密
学习建议

网络爬虫相对简单一些，现在网站都有反爬虫了，不像早些年。

建议挑一些小网站测试，但是一定注意控制好请求量，不要给别人造成压力。

挑一些有趣的例子学，比如爬个妹子图、帅哥图啥的。
资源
- 视频
  - https://www.bilibili.com/video/BV1D3411q7GX
- 书籍
  - Python3网络爬虫开发：https://book.douban.com/subject/30175598/
- 资料
  - Github爬虫项目：https://github.com/Jack-Cherish/python-spider
  - Jack Cui网络爬虫入门：https://blog.csdn.net/c406495762/category_9268672.html
  - 网络爬虫：https://cuijiahua.com/blog/spider/

7 阶段5：求职技巧

7.1 目标

找到一个好工作，多看别人的面经。

7.2 建议

找好方向，尽早规划，最好有一年的时间准备
多看面经：https://cuijiahua.com/blog/interview/
多刷题，可以看 - 阶段2：巩固基础 - 部分的刷题笔记
面试做好录音，方便后续总结，回顾和优化

7.3 推荐网站

牛客网：https://www.nowcoder.com/
脉脉：https://maimai.cn/

7.4 Jack 经历

个人经历：https://t.1yb.co/CANb
我，从高考到程序员的成长之路：https://mp.weixin.qq.com/s/5RAX2qCM2TX-8tyMRpPuQA