파이썬은 무엇이든 할 수 있습니다. 데이터 사이언스, 머신 러닝, 딥 러닝, NLP, 감지 및 세분화를 위한 이미지/비디오 처리, 게임, Android, 웹 앱, 데스크탑 GUI를 포함한 모든 것, 이름만 지정하면 됩니다.

문제는 모든 것을 배우고 싶다면 다소 압도적 일 수 있다는 것입니다. 이 기사의 끝에서 이러한 모든 주제를 마스터하는 방법을 알게 될 것입니다.

Python 2023 로드맵:

이 마인드 맵은 모든 것을 마스터하기 위해 배울 수 있는 모든 라이브러리(및 기본 Python 개념)를 요약합니다. 이것은 그리 긴 시간이 아닙니다. 거대한 라이브러리 지원으로 인해 Python이 대부분의 코드를 처리하기 때문에 생각보다 짧은 시간에 모든 주제를 마스터할 수 있어야 합니다.

1. Python 기본 사항부터 시작하겠습니다.

1. 변수 및 문자열 조작에 대해 모두 알아보세요. 이것은 나중에 오는 모든 주제에 필수적입니다.
2. 조건문 및 프로그램 결정 방법
3. 루프, zip 및 enumerate 와 같은 for 루프 고급 구문에 중점을 둡니다 . "Pythonic" 방식으로 코딩하려는 경우 매우 유용합니다.
4. 목록 및 사전 과 같은 데이터 구조를 마스터해야 합니다 . 덜 중요한 구조는 튜플 및 집합 입니다.
5. 함수 와 함수 에서 값 을 반환 하는 방법 에 대해 모두 알아보세요 . 데이터 범위 및 전역 변수 를 이해했는지 확인하십시오.
6. List Comprehension, Maps 및 Lambda 함수 와 같은 고급 내장 함수 배우기
7. 예외 는 가능한 한 충돌이 없는 코드를 작성하는 데 필수적입니다.
8. 프로젝트 파일의 디렉토리 트리를 생성하는 데 사용되는 디렉토리 관리 . 그리고 작업 자동화, 파일 탐색 .. 등에 매우 유용합니다. 그것에 대해 읽으십시오.

최신 소프트웨어의 세계에서는 유지 관리가 쉽고 확장하기 쉬운 코드의 중요성을 무시할 수 없습니다.

따라서 알아야 할 사항은 다음과 같습니다.

1. 클래스 및 클래스 메서드 , 클래스 변수 및 클래스 초기화 프로그램 을 만드는 방법
2. Object , 플레이 중인 클래스에 불과합니다.
3. 계승
4. 슈퍼 키워드
5. 다형성
6. 캡슐화
7. 정말 한 걸음 더 나아가고 싶다면 디자인 패턴 을 확인하세요.
8. 이것은 실제로 OOP와 관련이 없지만 Python 전용 기술인 데코레이터 는 Unittest와 같은 외부 라이브러리를 사용하여 많은 작업을 할 때 매우 유용할 수 있습니다. 소프트웨어 테스트에 매우 인기가 있습니다.

다음 파일 형식은 작업에 필수적입니다. 그리고 Python은 이러한 파일 형식과 관련된 모든 것을 편집, 스크립팅 및 자동화할 수 있는 최고의 프로그래밍 언어입니다.

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

수학계산은 빨라야 하는데, 파이썬 계열은 C/C++에 비해 느리다는 평이 있다.

글쎄, 이것은 전적으로 사실이 아닙니다. Python에서는 Numpy 라는 라이브러리를 사용 하여 거의 모든 복잡한 수학 연산을 수행합니다. 행렬 곱셈, 배열에서 요소를 검색하거나 최대/최소 요소를 찾는 것입니다.

라이브러리는 엄청나지만 시작하기 위해 배워야 할 몇 가지 주요 사항은 다음과 같습니다.

1. 단일 어레이
2. 다중 차원 배열
3. numpy 검색 기능
4. numpy 최대/최소 함수
5. numpy 정렬 함수
6. string_to_array 및 그 반대로 변환
7. 나뉘다
8. 무작위 배열
9. 배열 재구성
10. 배열 반전
11. 배열 곱셈 기술

Pandas 는 테이블 형식 데이터(예: Excel 파일, csv..etc)를 처리할 때 사용하는 라이브러리입니다.

Excel이 할 수 있는 모든 것을 자동화하고 광대한 Python 세계에 추가할 수 있다고 상상해 보십시오. 음, 이것이 바로 이 라이브러리의 모든 것입니다. 시작해야 할 부분에 대한 몇 가지 주요 사항은 다음과 같습니다.

1. 팬더 데이터 프레임
2. csv 파일 읽기
3. 데이터 필터
4. 열 조작
5. 행 조작
6. 요소 이름 바꾸기
7. 시리즈
8. 내부 플로팅 기능
9. CSV 파일 생성

Python이 주변에서 볼 수 있는 모든 사진/비디오 앱을 복제할 수 있다고 말하는 것은 터무니없는 진술입니다. OpenCV 와 결합된 Python 은 미디어 파일 조작과 관련하여 거대한 괴물이기 때문입니다.

시작하는 데 필요한 몇 가지 주요 사항은 다음과 같습니다.

1. 색 공간 이해(RGB, HSV, LAB)
2. 이미지 읽기/쓰기
3. 이미지 표시
4. 이미지 이진화
5. 임계값 기술
6. 이미지 조작(회전, 크기 조정…)
7. 어레이에서 이미지로 변환 또는 그 반대로
8. 팽창과 침식
9. 윤곽 감지
10. 윤곽 그리기
11. 모양 근사
12. 윤곽 면적 계산
13. 마스킹

여기에 추가할 수 있는 유일한 것은 객체 추적 입니다. 살펴보세요.

7. 파이썬 사용자 인터페이스(UI):

"코드 보기"를 제거하고 대신 일부 대화형 인터페이스를 사용하려면 어떻게 해야 합니까? 모든 소프트웨어의 공통점이 아닐까요?

Python에는 여러 형태의 사용자 인터페이스가 있습니다.

1. 명령줄 인터페이스는 이름에서 알 수 있듯이 Python 스크립트가 실행할 명령을 입력하는 명령줄 창을 기반으로 합니다. Argparse 라이브러리를
   사용할 수 있습니다 .
2. 데스크탑 GUI 또는 그래픽 사용자 인터페이스. 이렇게 하면 소프트웨어가 대화형 버튼, 텍스트 필드, 드롭다운 목록 및 메뉴와 함께 다운로드하고 설치하는 다른 소프트웨어처럼 보이게 됩니다. PySimpleGUI 또는 Tkinter
   를 사용할 수 있습니다 .
3. 이렇게 하면 브라우저에 사용자 인터페이스가 생성됩니다. 이러한 유형의 UI의 장점은 나중에 해당 인터페이스와 함께 웹에 프로젝트를 간단히 배포할 수 있다는 것입니다. 이 이점은 Argparse 또는 Tkinter 에서 찾을 수 없습니다.

내부 Python 데이터 또는 외부 테이블 형식 데이터가 데이터를 가지고 있으면 약간의 시각화가 필요합니까?

가장 중요한 두 라이브러리는 다음과 같습니다.

1. Matplotlib
2. 시본

1. 히스토그램
2. 산점도 플로팅
3. 역사 형성
4. 페어 플롯
5. 채색 데이터
6. 다중 플롯
7. 라이브 플롯

이제 Python 코딩을 배웠으므로 한 번에 하나의 명령을 실행하는 것이 대부분의 대규모 응용 프로그램에서 실용적이지 않다는 것을 알게 될 것입니다. 때로는 파이썬의 다른 기능과 독립적으로 GUI를 실행하고 싶을 때가 있습니다.

그리고 여기에 멀티스레딩이 있습니다.

1. 스레드 시작
2. 가입하다
3. 스레드 풀
4. 세마포어

10. 파이썬 작업 자동화

Excel 파일, 웹 양식 및 GUI 로깅과 같은 "지루한 작업" 자동화는 Python으로 쉽게 자동화할 수 있습니다. 좋아하는 Android/OS 게임을 플레이하고 모든 일일 보상을 받기 위해 Python 스크립트를 만들 수도 있습니다!

다음 라이브러리가 가장 유명합니다.

1. 셀렌
2. pyautogui
3. OpenCV 는 위에서 언급한 것과 통합될 때 매우 유용할 수 있습니다.

1. 셀레늄을 사용하여 상호 작용하는 XPATH 웹 페이지 추출
2. 텍스트 필드 채우기
3. 클릭
4. xpath 또는 템플릿 이미지를 사용하여 요소 찾기
5. 드롭다운 메뉴 처리
6. 파일 업로드 처리
7. OpenCV의 학습 템플릿 매칭

지도 학습, 비지도 학습, 강화 학습, 이 모든 흥미로운 주제를 Python으로 프로그래밍하여 학습할 수 있습니다. 직접 응용 프로그램을 사용하여 프로그래밍하면 학습 속도가 10배 증가하므로 즉시 알고리즘을 학습하고 Python에서 놀아보십시오.

데이터 과학 및 기계 학습을 위한 가장 유명한 두 라이브러리는 다음과 같습니다.

1. 싸이피
2. scipy 를 기반으로 하는 sklearn

1. 감독 학습:
   a. 나이브 베이즈
   b. 선형 회귀
   c. SVM
2. 비지도 학습:
   a. K-평균 클러스터링
   b. PCA
   다. LDA
   라. t-SNE
3. 강화 학습:
   a. Q-러닝
   b. 유전 학습

1. 정확성
2. 혼란 매트릭스
3. AUC/ROC 곡선
4. 크로스 폴드

이 항목은 Python 기계 학습을 기반으로 하며 기본적으로 신경망을 활용합니다. 이것은 이제 전문화의 전체 영역입니다.

Tensor Flow, Keras 및 Pytorch
를 확인해야 합니다 . Keras ( Tensor 흐름 기반)로 시작한 다음 Pytorch 로 이동할 수 있습니다 . Keras 함수는 Pytorch 보다 다루기 쉽기 때문입니다.

시작해야 하는 첫 번째 알고리즘은 다음과 같습니다.

1. 심층 인공 신경망(ANN). 회귀 예측 작업에 적합
2. CNN(Convolutional Neural Networks) 이것은 이미지 분류에 적합합니다.
3. 생성적 적대 신경망(GAN). Deep Fake 및 가짜 데이터 생성의 기반

1. 손실 함수 및 역전파
2. 활성화 기능
3. 교육/테스트 정확도/손실
4. 미세 조정

13. 파이썬 웹 디자인:

예, 실제로 Python으로 웹 페이지의 백엔드를 디자인할 수 있습니다. 실제로 Flask 와 같은 라이브러리 는 시작하기에 가장 사용자 친화적인 라이브러리일 수 있습니다. 솔직히 말해서 최소한 HTML/CSS에 대한 지식이 있으면 Font-End를 통해 무슨 일이 일어나고 있는지 테스트할 수 있는 데 매우 도움이 될 것입니다(프론트 엔드는 페이지에 표시되는 모든 화려한 버튼과 메뉴입니다).

그러나 Flask 내부 기능을 사용하여 슈퍼 더미 페이지를 작성하는 데 문제가 없다면 내 손님이 되어 시작하십시오!

시작해야 할 사항은 다음과 같습니다.

1. 노선
2. 항해
3. 템플릿
4. Python을 통해 페이지 요소 업데이트
5. 세션
6. 입증

이 과정을 반드시 확인해야 합니다. 이것은 새로운 섹션으로 매주 업데이트되는 인터넷상의 유일한 코스입니다. 여기서 목표는 이 과정에 파이썬에서 필요한 모든 것을 포함하는 것입니다. 파이썬을 마스터하기 위해 20개의 과정을 구입할 필요가 없습니다.

강사 에게 Python에 관한 주제를 추가하도록 요청할 수 있으며 일주일 이내에 추가할 것입니다!! 추가 비용 없음!