Python kann alles. Alles einschließlich Data Science, Machine Learning, Deep Learning, NLP, Bild-/Videoverarbeitung für Erkennung und Segmentierung, Spiele, Android, Web-Apps, Desktop-GUI, Sie nennen es einfach.

Die Sache ist, wenn Sie alles lernen wollen, kann dies ein bisschen überwältigend sein. Am Ende dieses Artikels werden Sie sehen, wie Sie all diese Themen meistern können.

Die Python 2023-Roadmap:

Diese Mindmap fasst alle Bibliotheken (und grundlegenden Python-Konzepte) zusammen, die Sie lernen können, um alles zu beherrschen. Das ist keine sehr lange Laufzeit. Sie sollten in der Lage sein, all diese Themen in kürzerer Zeit zu meistern, als Sie denken, da Python aufgrund seiner RIESIGEN Bibliotheksunterstützung den größten Teil des Codes für Sie übernimmt.

1. Beginnen wir mit den Python-Grundlagen:

1. Erfahren Sie alles über Variablen und String-Manipulation. Dies ist wichtig für jedes spätere Thema.
2. Bedingte Anweisungen und wie man Programmentscheidungen trifft
3. Schleifen, und konzentrieren Sie sich auf erweiterte Syntaxen für for-Schleifen wie zip und enumerate. Diese sind äußerst nützlich, wenn Sie auf „Pythonic“-Weise codieren möchten.
4. Sie MÜSSEN Datenstrukturen wie Listen und Wörterbücher beherrschen, weniger wichtige Strukturen wären Tupel und Mengen
5. Erfahren Sie alles über Funktionen und wie Sie Werte von ihnen zurückgeben. Stellen Sie sicher, dass Sie Datenbereiche und globale Variablen verstehen
6. Lernen Sie erweiterte integrierte Funktionen wie Listenverständnis, Karten und Lambda-Funktionen kennen
7. Ausnahmen sind unerlässlich, um einen Code zu schreiben, der möglichst absturzfrei ist
8. Verzeichnisverwaltung , die zum Erstellen von Verzeichnisbäumen für Ihre Projektdateien verwendet wird. Und es ist sehr nützlich für die Aufgabenautomatisierung, Dateinavigation usw. Lese darüber.

In der Welt der modernen Software kann man die Bedeutung von wartbarem, leicht erweiterbarem Code nicht ignorieren.

Hier ist also, was Sie wissen müssen:

1. Klassen und wie man Klassenmethoden , Klassenvariablen und Klasseninitialisierer erstellt
2. Object , was nichts anderes als eine Klasse im Spiel ist
3. Nachlass
4. Super-Stichwort
5. Polymorphismus
6. Verkapselung
7. Wenn Sie wirklich noch einen Schritt weiter gehen wollen, sehen Sie sich Design Patterns an
8. Dieser hat nicht wirklich mit OOP zu tun, aber Decorators , die Python-spezifische Techniken sind, können sehr hilfreich sein, wenn man viel mit externen Bibliotheken wie Unittest arbeitet. Das ist sehr beliebt zum Testen Ihrer Software.

Die folgenden Dateiformate sind für die Arbeit unerlässlich. Und Python ist die beste Programmiersprache, um alles zu bearbeiten, zu skripten und zu automatisieren, was mit diesen Dateiformaten zu tun hat.

1. .txt
2. .csv
3. .pdf
4. .json
5. .Postleitzahl

Es ist notwendig, dass mathematische Berechnungen schnell sind, und Python, Art, hat den Ruf, im Vergleich zu C/C++ langsam zu sein.

Nun, das ist nicht ganz richtig. In Python verwenden wir eine Bibliothek namens Numpy , um fast jede komplexe mathematische Operation auszuführen. Sei es Matrixmultiplikation, sei es das Durchsuchen eines Arrays nach einem Element oder das Finden von Max/Min-Elementen.

Die Bibliothek ist riesig, aber hier sind einige Highlights, was Sie lernen müssen, um loszulegen:

1. Einzelne Arrays
2. Multi-Dim- Arrays
3. numpy Suchfunktionen
4. numpy Max/Min-Funktionen
5. numpy Sortierfunktionen
6. Konvertieren von string_to_array und umgekehrt
7. Teilt
8. Randomisierte Arrays
9. Arrays umformen
10. Invertieren eines Arrays
11. Array-Multiplikationstechniken

Pandas ist die To-Go-Bibliothek beim Umgang mit tabellarischen Daten (wie Excel-Dateien, CSV usw.).

Stellen Sie sich vor, Sie könnten alles automatisieren, was Excel kann, und es der riesigen Python-Welt hinzufügen. Nun, genau darum geht es bei dieser Bibliothek. Hier sind einige Highlights, wo Sie anfangen müssen:

1. Pandas -Datenrahmen
2. Lesen von csv-Dateien
3. Datenfilter _
4. Spaltenmanipulation
5. Zeilenmanipulation
6. Elemente umbenennen
7. Serie
8. Interne Zeichenfunktionen
9. Generieren von CSV-Dateien

Es ist eine wilde Aussage zu sagen, dass Python all diese Foto-/Video-Apps replizieren kann, die Sie sehen. Weil Python in Kombination mit OpenCV ein riesiges Monster ist, wenn es um die Manipulation von Mediendateien geht.

Hier sind einige Highlights, was für den Anfang notwendig ist:

1. Farbräume verstehen (RGB, HSV, LAB)
2. Bilder lesen/schreiben
3. Bilder anzeigen
4. Bilder binarisieren
5. Schwellenwerttechniken
6. Bildbearbeitung (Drehen, Skalieren…)
7. Array-zu-Bild-Konvertierung und umgekehrt
8. Ausdehnung und Erosion
9. Konturerkennung
10. Konturzeichnung
11. Formnäherung
12. Berechnung der Konturfläche
13. Maskieren

Das einzige, was ich hier hinzufügen kann, ist Object Tracking, schau es dir an.

7. Python-Benutzeroberflächen (UI):

Wie würden Sie diese „Codeansicht“ loswerden und stattdessen einige interaktive Schnittstellen verwenden. Ist das nicht das, was alle Software gemeinsam haben?

Python hat mehrere Formen der Benutzeroberfläche.

1. Befehlszeilenschnittstellen basieren, wie der Name schon sagt, auf einem Befehlszeilenfenster, in dem Sie Anweisungen eingeben, die Ihr Python-Skript ausführen würde.
   Sie können dafür die Argparse- Bibliothek verwenden
2. Desktop-GUI oder grafische Benutzeroberflächen. Dadurch würde Ihre Software wie jede andere Software aussehen, die Sie herunterladen und installieren, mit interaktiven Schaltflächen, Textfeldern, Dropdown-Listen und Menüs.
   Sie können PySimpleGUI oder Tkinter verwenden.
3. Dadurch wird eine Benutzeroberfläche in Ihrem Browser erstellt. Der Vorteil dieser Art von Benutzeroberfläche besteht darin, dass Sie Ihr Projekt später einfach zusammen mit dieser Schnittstelle im Web bereitstellen können. Dieser Vorteil ist in Argparse oder Tkinter nicht zu finden

Daten zu haben, seien es interne Python-Daten oder externe Tabellendaten, erfordert eine gewisse Visualisierung, oder?

Die wichtigsten zwei Bibliotheken sind:

1. Matplotlib
2. Seegeboren

1. Histogramme
2. Scatter-Plotting
3. Geschichtsbildung
4. Parzellen
5. Färbungsdaten
6. Mehrere Grundstücke
7. Live-Plots

Nachdem Sie nun etwas Python-Programmierung gelernt haben, werden Sie feststellen, dass es in den meisten großen Anwendungen nicht praktikabel ist, jeweils nur eine Anweisung auszuführen. Manchmal möchten Sie, dass Ihre GUI unabhängig von den anderen Python-Funktionen läuft.

Und hier kommt Multithreading.

1. Starten eines Threads
2. Verbinden
3. Thread-Pool
4. Semaphoren

10. Automatisierung von Python-Aufgaben

Die Automatisierung der „langweiligen Aufgaben“, wie Excel-Datei, Webformulare und GUI-Protokollierung, kann mit Python einfach automatisiert werden. Sie können sogar Python-Skripte erstellen, nur um Ihr Lieblings-Android/OS-Spiel zu spielen und all die täglichen Belohnungen für Sie zu sammeln!

Am bekanntesten dafür sind die folgenden Bibliotheken:

1. Selen
2. pyautogui
3. OpenCV kann sich als sehr nützlich erweisen, wenn es in das oben erwähnte integriert wird

1. XPATH-Webseite Extraktion zur Interaktion mit Selen
2. Textfelder ausfüllen
3. klicken
4. Suchen eines Elements entweder durch XPath oder mithilfe eines Vorlagenbilds
5. Umgang mit Dropdown-Menüs
6. Umgang mit Datei-Uploads
7. Lernvorlagenabgleich in OpenCV

Beaufsichtigtes Lernen, unbeaufsichtigtes Lernen, verstärkendes Lernen, all diese spannenden Themen können durch Programmieren mit Python erlernt werden. Da das Programmieren mit praktischer Anwendung Ihre Lernrate um das 10-fache erhöht, sollten Sie den Algorithmus lernen und sofort mit Python herumspielen.

Die beiden bekanntesten Bibliotheken für Data Science und maschinelles Lernen sind:

1. spitz
2. sklearn , das auf scipy aufbaut

1. Überwachtes Lernen:
   a. Naive Bayes
   b. Lineare Regression
   c. SVM
2. Unüberwachtes Lernen:
   a. K-bedeutet Clustering
   b. PCA
   c. LDA
   d. t-SNE
3. Verstärkungslernen:
   a. Q-Lernen
   b. Genetisches Lernen

1. Genauigkeit
2. Verwirrung Matrix
3. AUC/ROC-Kurven
4. Kreuzfalz

Dieses Thema basiert auf Python Machine Learning und verwendet im Wesentlichen neuronale Netze. Das ist jetzt ein ganzer Bereich der Spezialisierung.

Sie müssen sich Tensor Flow, Keras und Pytorch ansehen.
Beginnen Sie mit Keras (basierend auf Tensor Flow ), dann können Sie zu Pytorch springen .
Da Keras - Funktionen einfacher zu handhaben sind als Pytorch.

Hier sind die ersten Algorithmen, mit denen Sie beginnen müssen

1. Tiefe künstliche neuronale Netze (ANN). Perfekt für Regressionsvorhersageaufgaben
2. Convolutional Neural Networks (CNN) ist dies perfekt für die Bildklassifizierung
3. Generative Adversarial Networks (GAN). Die Grundlage von Deep Fake und gefälschter Datengenerierung

1. Verlustfunktionen und Backpropagation
2. Aktivierungsfunktionen
3. Trainings-/Testgenauigkeit/Verlust
4. Feinabstimmung

13. Python-Webdesign:

Ja, Sie können mit Python tatsächlich ein Backend für Ihre Webseiten entwerfen. Tatsächlich können Bibliotheken wie Flask die benutzerfreundlichsten sein, um Ihnen den Einstieg zu erleichtern. Um ehrlich zu sein, wäre es sehr hilfreich, zumindest etwas HTML/CSS-Kenntnisse zu haben, um testen zu können, was in Ihrem Font-End vor sich geht (Front-End sind alle auffälligen Schaltflächen und Menüs, die Sie auf einer Seite sehen).

Wenn Sie jedoch mit dem Schreiben von Super-Dummy-Seiten mit Flask-internen Funktionen zufrieden sind, dann seien Sie mein Gast und legen Sie los!

Hier ist, was Sie brauchen, um damit zu beginnen:

1. Routen
2. Navigation
3. Vorlagen
4. Aktualisieren von Seitenelementen über Python
5. Sitzung
6. Authentifizierung

Sie sollten diesen Kurs auf jeden Fall ausprobieren. Dies ist der einzige Kurs im Internet, der wöchentlich mit einem neuen Abschnitt aktualisiert wird. Denn das Ziel hier ist, dass dieser Kurs alles enthält, was Sie jemals in Python brauchen würden. Sie müssen keine 20 Kurse kaufen, um Python zu beherrschen.

Sie können den Dozenten bitten, ein beliebiges Thema zu Python hinzuzufügen, und er wird es innerhalb einer Woche hinzufügen!! Keine zusätzlichen Kosten!