سأل أحد المستخدمين لدي: "هل من مشاريع تدريب بايثون يمكننا التعامل معها للتعلم يمكنك التوصية بها؟"
بالطبع.
1) تطبيق Django Wasp
هذا خاص لأولئك منكم الذين لم يقوموا بتطوير الويب.
(باحثو المعلومات: أنا أتعامل معك.)
يعد امتلاك خيار إنشاء تطبيق ويب قدرة كبيرة لأي مصمم. التفسير هو أنه يسمح لك بأخذ نوع آخر من البرمجة التي تقوم بها ، وتجميعها بطريقة متاحة للأغلبية.
إذا لم تكن قد قمت بتطوير الويب من قبل ، فيجب أن تكون هذه هي حاجتك رقم 1 ، مقارنة بالآخرين في القائمة. (إذا * قمت * بتطوير الويب ، فانتقل إلى الشيء التالي ... هرب من نطاق معرفتك المعتاد.)
ما هو النظام الذي تستخدمه؟ ستلفت Google الانتباه إلى اثني عشر قرارًا لا يصدق لك. لا يحدث أي فرق في الكمية الزائدة التي تستخدمها. يمكنك اختيار الشخص الذي يعجبك.
ومع ذلك ، بافتراض أنك بحاجة إلى اقتراح ، فسأقدم لك اقتراحًا:
استخدم Django.
إنها بنية مكدسة غير عادية ، ويتم الإبلاغ عنها في كل مكان .. في حال انتهيت من إنفاق ما يزيد عن بضع لحظات في اختيار هيكل ، ما عليك سوى استخدام Django والحصول على الترميز.
لذلك هذه مهمة واحدة يعتقد. التالي:
2) أداة سطر الأوامر
إذا لم تكن قد اكتشفت كيفية إنشاء برامج سطر الطلب ... فأنت تفوت فرصة عظيمة.
في الوقت الذي تأخذ فيه برنامجك ، وتجمعه في واجهة سطر أوامر قابلة للبرمجة ...
مع ترتيب يمكن التحكم فيه عن طريق الاختيارات واللافتات ...
أيضًا ، مصادر المعلومات وعوائد البرنامج مقيدة بحجوزات سطر الأمر ...
هذا يوسع دائمًا قيمة برنامجك. بشكل متواصل. 100٪ من الوقت.
لذلك إذا لم تكن قد فعلت ذلك في أي وقت ... فأنت تريد أن تتعلم.
بشكل أساسي ، هذا يعني تعلم وحدة "argparse". تم دمجه في مكتبة Python القياسية.
توجد مكتبات مختلفة لبناء واجهات سطر الأوامر ، وهي ليست موجودة في مكتبة Python القياسية. لديهم معجبيهم الأعلى الذين يقومون حتى الآن بكتابة رسائل غاضبة إليّ ، مليئة بالكلمات ذات الألوان الخاطئة ، لامتلاكهم الجرأة لاقتراح الجدال بدلاً من libwhateverz المحبوب.
تجاهلهم. Argparse مظلل بالكامل ويصعب تحسينه. علاوة على ذلك ، إنها بطارية مضمنة في Python.
لذا في المرة القادمة التي تقوم فيها بتأليف برنامج بايثون ، لخص الأمر. استخدم argparse لجعلها أكثر قابلية للتشغيل الآلي ، وقابلة للتكيف ، وقابلة للكتابة ، وأفضل بشكل عام.
إذن هذه هي فكرة التعهد الثانية. أخيرا:
3) تعلم الآلة
إذا لم تكن قد ركبت قطار الترويج هذا بعد ، فيجب أن تطلب شيئًا مثل رحلة زمنية قصيرة.
في الواقع ، كل الثرثرة حول الذكاء الاصطناعي المزيف مبالغ فيه. بعد. كما أنه يحتوي على مادة حقيقية. علاوة على ذلك ، سوف تستفيد من تعلمها.
لديك خياران لما يجب القيام به. أقترح عليك التعرف على مكتبة تسمى scikit-Learn. وهو يشتمل على أجهزة للتعلم المنظم والتعلم الفردي ، وبناء خطوط الأنابيب.
هذا خيار واحد ، وأقترح أن تبدأ به. خيار آخر هو تعلم Tensorflow. أعتقد حقًا أنك ستتحسن إذا كنت ستذهب إلى تلك الفرصة بعد أن يكون لديك بعض المشاركة في sickest-Learn ، ولكن إذا طلبت تجنب المستقبل ، فتأكد أساسًا من اكتساب الكفاءة في الرياضيات لإدارة "مخططات التسجيل" أولاً.
إذن كيف ستستخدم مكتبة ML الجديدة الخاصة بك؟ في الواقع ، إنه مثالي في حالة أنه يمكنك تطبيقه على المشكلات التي تبحث عنها في عملك. على أي حال ، من الصعب القيام بذلك أثناء التعرف على كل شيء.
إذن هناك أرضية للتحضير: Kaggle.
ما عليك سوى البحث عن "مسابقات Kaggle" ، والبحث عن فئة "البداية". جعلوها بسيطة بالنسبة لك.
نشرة بايثون الإخبارية القوية مخصصة لك فقط. مثل تشارلز هايدن المصور يقول:
"لقد رأيت عددًا كبيرًا من الكتب والمقالات والنشرات على المدى الطويل وكتابك رائع حقًا. ما تقوله عن بايثون ، ومع ذلك كيف تتعامل مع التعلم.