私人学习python,个人学python有什么用

大家好，今天小编关注到一个比较有意思的话题，就是关于私人学习python的问题，于是小编就整理了1个相关介绍私人学习Python的解答，让我们一起看看吧。

1. 29岁想学python，有哪些建议？

29岁想学python，有哪些建议？

我是30学python，不过完全兴趣爱好，不过不知道您原来有没有开发经验。

如果是学完找一份工作建议还是找个培训班，效率高一些，自学困难一些，并不是知识点困难，主要是编程思维的训练需要长时间通过练习来建立。如果像我一样纯属爱好就无所谓了。

不过，29岁如果学习找开发工作，年龄上肯定没有任何优势。

29岁想学Python有哪些建议？

几点建议：

本着 由浅入深，循序渐进 坚持来学。

首先 先找两本比较入门的书比如：Python编程入门 这本，或者廖雪峰廖老师的网站，或者菜鸟教程 runoob***/ 网站，先照着书上的代码进行敲打自己实现。

第二步 有了一定基础后 自己 刻意来实现一些功能模块比如：一个简单的爬取网站数据的（百度的音乐排行榜了，猎聘或者脉脉上的招聘信息了），一些简单的数据库操作代码，从excel或者某种数据库里取数据再写到另外的数据库，一些简单的前端表单输入后台提交数据了，特定的数据分析了，Python收发邮件收发短信了等等，总之一句话就是刻意找一些东西来练习。

当然这一步当中可以借助谷歌或度娘来搜索一些别人的代码，好好研究，修改。

第三步 高阶的 就是看一些开源的或者别人写的软件级别的代码，可以去git上或者开源中国 里找一些开源的通过Python写的软件。

最后 还有就是多跟别人交流。

谢谢邀请，永远都不迟，重要是选对方法！！！

python之所以火是因为人工智能的发展，个人整理学习经验仅供参考！

感觉有本书你学的差不多了就基本具备了一名合格的python编程工程师,不过可惜的是这本书没有电子版，只有纸质的。

第 1章　从数学建模到人工智能

1.1　数学建模1.1.1　数学建模与人工智能1.1.2　数学建模中的常见问题1.2　人工智能下的数学1.2.1　统计量1.2.2　矩阵概念及1.2.3　概率论与数理统计1.2.4　高等数学——导数、微分、不定积分、定积分第2章 Python快速入门2.1　安装Python2.1.1　Python安装步骤2.1.2　IDE的选择2.2　Python基本操作2.2.1　第 一个小程序2.2.2　注释与格式化输出2.2.3　列表、元组、字典2.2.4　条件语句与循环语句2.2.5　break、continue、pass2.3　Python高级操作2.3.1　lambda2.3.2　map2.3.3　filter第3章　Python科学计算库NumPy3.1　NumPy简介与安装3.1.1　NumPy简介3.1.2　NumPy安装3.2　基本操作3.2.1　初识NumPy3.2.2　NumPy数组类型3.2.3　NumPy创建数组3.2.4　索引与切片3.2.5　矩阵合并与分割3.2.6　矩阵运算与线性代数3.2.7　NumPy的广播机制3.2.8　NumPy统计函数3.2.9　NumPy排序、搜索3.2.10　NumPy数据的保存第4章　常用科学计算模块快速入门4.1　Pandas科学计算库4.1.1　初识Pandas4.1.2　Pandas基本操作4.2　Matplotlib可视化图库4.2.1　初识Matplotlib4.2.2　Matplotlib基本操作4.2.3　Matplotlib绘图案例4.3　SciPy科学计算库4.3.1　初识SciPy4.3.2　SciPy基本操作4.3.3　SciPy[_a***_]处理案例第5章　Python网络爬虫5.1　爬虫基础5.1.1　初识爬虫5.1.2　网络爬虫的算法5.2　爬虫入门实战5.2.1　调用API5.2.2　爬虫实战5.3　爬虫进阶—高效率爬虫5.3.1　多进程5.3.2　多线程5.3.3　协程5.3.4　小结第6章　Python数据存储6.1　关系型数据库MySQL6.1.1　初识MySQL6.1.2　Python操作MySQL6.2　NoSQL之MongoDB6.2.1　初识NoSQL6.2.2　Python操作MongoDB6.3　本章小结6.3.1　数据库基本理论6.3.2　数据库结合6.3.3　结束语第7章　Python数据分析7.1　数据获取7.1.1　从键盘获取数据7.1.2　文件的读取与写入7.1.3　Pandas读写操作7.2　数据分析案例7.2.1　普查数据统计分析案例7.2.2　小结第8章　自然语言处理8.1　Jieba分词基础8.1.1　Jieba中文分词8.1.2　Jieba分词的3种模式8.1.3　标注词性与添加定义词8.2　关键词提取8.2.1　TF-IDF关键词提取8.2.2　TextRank关键词提取8.3　word2vec介绍8.3.1　word2vec基础原理简介8.3.2　word2vec训练模型8.3.3　基于gensim的word2vec实战第9章　从回归分析到算法基础9.1　回归分析简介9.1.1　“回归”一词的来源9.1.2　回归与相关9.1.3　回归模型的划分与应用9.2　线性回归分析实战9.2.1　线性回归的建立与求解9.2.2　Python求解回归模型案例9.2.3　检验、预测与控制第10章 从K-Means聚类看算法调参10.1　K-Means基本概述10.1.1　K-Means简介10.1.2　目标函数10.1.3　算法流程10.1.4　算法优缺点分析10.2　K-Means实战第11章 从决策树看算法升级11.1　决策树基本简介11.2　经典算法介绍11.2.1　信息熵11.2.2　信息增益11.2.3　信息增益率11.2.4　基尼系数11.2.5　小结11.3　决策树实战11.3.1　决策树回归11.3.2　决策树的分类第12章 从朴素贝叶斯看算法多变　19312.1　朴素贝叶斯简介12.1.1　认识朴素贝叶斯12.1.2　朴素贝叶斯分类的工作过程12.1.3　朴素贝叶斯算法的优缺点12.2　3种朴素贝叶斯实战第13章 从推荐系统看算法场景13.1　推荐系统简介13.1.1　推荐系统的发展13.1.2　协同过滤13.2　基于的推荐13.2.1　标签与知识图谱推荐案例13.2.2　小结第14章 从TensorFlow开启深度学习之旅14.1　初识TensorFlow14.1.1　什么是TensorFlow14.1.2　安装TensorFlow14.1.3　TensorFlow基本概念与原理14.2　TensorFlow数据结构14.2.1　阶14.2.2　形状14.2.3　数据类型14.3　生成数据十二法14.3.1　生成Tensor14.3.2　生成序列14.3.3　生成随机数14.4　TensorFlow实战

希望对你有帮助！！！

贵在坚持，自己掌握一些，在工作中不断打磨，高薪不是梦！！！

到此，以上就是小编对于私人学习python的问题就介绍到这了，希望介绍关于私人学习python的1点解答对大家有用。