Was können Sie tun, nachdem Sie Python gelernt haben?

Python hat den Vorteil, dass es einfach, leicht zu erlernen, kostenlos, Open Source, portabel, erweiterbar, einbettbar und objektorientiert ist. Wenn Sie sich mit der Python-Entwicklung beschäftigen, stehen Ihnen viele Jobmöglichkeiten, Stellenangebote usw. zur Verfügung Berufsinhalte zur Auswahl Auch in Zukunft gibt es viel Raum für Weiterentwicklung.

Einen Crawler in Python schreiben (empfohlenes Lernen: Python-Video-Tutorial)

Gemäß Mir ist bekannt, dass viele Python-Neulinge es zum Schreiben von Crawler-Programmen verwenden. Es kann so klein sein wie das Crawlen einer pornografischen Website oder so groß wie eine kommerzielle Anwendung eines Internetunternehmens. Der Einstieg in den Crawler über Python ist relativ einfach und leicht zu erlernen. Sie müssen zu Beginn nicht zu viel Grundwissen beherrschen und können schnell damit beginnen, Ergebnisse zu erzielen für Anfänger, die etwas gleich am Anfang sichtbar machen wollen. Ein Erfolgserlebnis.

Crawler werden nicht nur für den Einstieg, sondern auch häufig in einigen Unternehmen, Plattformen und Organisationen eingesetzt, die Daten benötigen. Es ist eine weit verbreitete Praxis, durch das Crawlen öffentlicher Daten im Internet einen gewissen Geschäftswert zu erzielen. Natürlich sind die Crawler dieser Player viel leistungsfähiger und müssen sich mit vielen Problemen befassen, darunter Routing, Speicherung, verteiltes Rechnen usw. Die Komplexität unterscheidet sich um ein Vielfaches von der pornografischen Erfassungs-App von Xiaobai.

Webprogramme

Neben Crawlern wird Python auch häufig in webseitigen Programmen verwendet, wie zum Beispiel dem Zhihu, das Sie jetzt verwenden Website ist das auf Python basierende Tornado-Framework, Doubans Backend basiert ebenfalls auf Python. Zu den häufig verwendeten Web-Frameworks in Python gehören neben Tornado (Tornado Web Server) auch Flask (Willkommen | Flask (ein Python-Mikroframework)), Django (das Web-Framework für Perfektionisten mit Fristen) usw. Mit dem oben genannten Framework können Sie beispielsweise problemlos ein Webprogramm implementieren. Einige Freunde, die ich kenne, haben ihre eigenen Blog-Programme über Python geschrieben, einschließlich des vorherigen zhihu.photo Ich habe das Backend über Flask implementiert (aus Urheberrechtsgründen usw.). Aus diesem Grund habe ich diese Website gestoppt. Zusätzlich zu den oben genannten Frameworks können Sie auch versuchen, selbst ein Web-Framework zu implementieren.

Desktop-Programm

Python verfügt auch über viele UI-Bibliotheken, mit denen Sie problemlos ein GUI-Programm vervollständigen können (übrigens, als ich zum ersten Mal mit der Programmierung in Kontakt kam, dachte ich Es war gut, GUI Cool zu schreiben, aber es hat lange gedauert, ein kleines Programm in VC6 zu erstellen, und dann habe ich in Delphi, Java usw. gearbeitet, und als ich schließlich mit Python in Kontakt kam, war ich nicht mehr interessiert in der GUI). Es gibt viele Beispiele für die Implementierung einer grafischen Benutzeroberfläche in Python, einschließlich der berühmten Dropbox, einem serverseitigen und clientseitigen Programm, das in Python implementiert ist.

Künstliche Intelligenz (KI) und maschinelles Lernen

Künstliche Intelligenz ist derzeit eine sehr heiße Richtung, und der KI-Boom macht die Zukunft der Python-Sprache voller unbegrenztes Potenzial. Die meisten der derzeit veröffentlichten sehr einflussreichen KI-Frameworks sind in Python implementiert. Warum ist Python ausreichend dynamisch und verfügt über ausreichende Leistung? Beispielsweise werden einige Websites, die auf Python-basierten Deep-Learning-Bibliotheken, Deep-Learning-Anweisungen, Anweisungen für maschinelles Lernen und Anweisungen zur Verarbeitung natürlicher Sprache basieren, grundsätzlich über Python implementiert.

Maschinelles Lernen, insbesondere das mittlerweile beliebte Deep Learning, die meisten seiner Tool-Frameworks bieten Python-Schnittstellen. Python genießt im Bereich des wissenschaftlichen Rechnens seit jeher einen guten Ruf. Seine prägnante und klare Syntax und seine umfangreichen Computertools sind bei Entwicklern in diesem Bereich sehr beliebt.

Lange bevor Deep Learning und Tensorflow und andere Frameworks populär wurden, gab es Scikit-Learn in Python, das problemlos fast alle Modelle für maschinelles Lernen vervollständigen kann. Es sind nur ein paar einfache Zeilen erforderlich, um klassische Datensätze herunterzuladen und Modelle zu erstellen .Code. Es kann einfach mit Tools wie Pandas und Matplotlib angepasst werden.

Deep-Learning-Frameworks wie Tensorflow, PyTorch, MXNet und Keras haben die Möglichkeiten des maschinellen Lernens erheblich erweitert. Für die Verwendung von Keras zum Schreiben eines Deep-Learning-Netzwerks zur handschriftlichen Ziffernerkennung sind nur ein paar Dutzend Codezeilen erforderlich, und Sie können die zugrunde liegende Implementierung verwenden, um problemlos eine große Anzahl von Ressourcen, einschließlich GPUs, aufzurufen, um die Arbeit abzuschließen.

Es ist erwähnenswert, dass Python unabhängig vom Framework nur als Sprache für die Front-End-Beschreibung verwendet wird und die eigentliche Berechnung über das zugrunde liegende C/C++ implementiert wird. Da Python problemlos C/C++-Projekte und -Bibliotheken einführen und verwenden kann, um eine Funktions- und Leistungserweiterung zu erreichen, können sich Entwickler bei solchen umfangreichen Berechnungen mehr auf die Logik der Daten selbst konzentrieren und müssen sich weniger auf komplexe Arbeiten wie die Speicherzuweisung konzentrieren. Die Befreiung ist ein wichtiger Grund, warum Python im Bereich des maschinellen Lernens weit verbreitet ist.

Wissenschaftliches Rechnen

Die Entwicklungseffizienz von Python ist sehr hoch und Module mit höheren Leistungsanforderungen können in C umgeschrieben und von Python aufgerufen werden. Gleichzeitig kann Python abstrakte Probleme auf höherer Ebene lösen und erfreut sich daher auch im Bereich des wissenschaftlichen Rechnens großer Beliebtheit. Das Aufkommen von Bibliotheken von Drittanbietern für wissenschaftliches Rechnen, darunter Scipy und Numpy, ist sogar noch praktischer für diejenigen, die zwar über gewisse mathematische Grundlagen verfügen, aber über durchschnittliche Computergrundlagen verfügen.

Bildverarbeitung

Ich bin mit diesem Aspekt nicht vertraut, deshalb listen wir ein paar Schlüsselwörter auf. Falls es Fehler gibt, korrigieren Sie diese bitte.

Stichwörter: OpenCV, Pillow, PIL

Zusammenfassung

Es ist eine Frage der Zeit, das war's für den Moment. Es ist grundsätzlich unverantwortlich anzunehmen, dass Python alles kann.

Wenn Sie jedoch vorhaben, daraus eine Karriere zu machen, ist mein Vorschlag, sich nicht auf das „Lernen von Python“ zu beschränken. Um im technischen Bereich Fuß zu fassen, reicht es nicht aus, nur die Syntax von Python zu erlernen. Sie benötigen viele Grundkenntnisse über die Programmiersprache hinaus.

Weitere technische Artikel zum Thema Python finden Sie in der Spalte Python-Tutorial, um mehr darüber zu erfahren!

Das obige ist der detaillierte Inhalt vonWas können Sie tun, nachdem Sie Python gelernt haben?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!