¿Qué puedes hacer si aprendes Python? Estoy muy confundido. Quiero aprender pero no sé qué hacer.
Lo que todos hacen, desde jugadores principiantes hasta jugadores profesionales: gatear.
Hay muchos tutoriales sobre el uso de Python para escribir rastreadores en Internet. Hasta donde yo sé, muchas personas que son nuevas en Python lo usan para escribir programas de rastreadores, que pueden ser tan pequeños como capturar. un pequeño sitio web pornográfico, del tamaño de una aplicación empresarial para empresas de Internet. En general, los rastreadores de Python son relativamente fáciles de aprender. No es necesario dominar demasiados conocimientos básicos y de bajo nivel al principio. Puede comenzar rápidamente y producir resultados muy rápidamente. Quiero hacer algo visible al principio, una sensación de logro.
Además de comenzar, los rastreadores también se utilizan ampliamente en algunas empresas, plataformas y organizaciones que necesitan datos. Es una práctica muy común para lograr algún valor comercial rastreando datos públicos en Internet. Por supuesto, los rastreadores de estos reproductores son mucho más potentes y deben abordar muchos problemas, incluidos el enrutamiento, el almacenamiento, la computación distribuida, etc. La complejidad es muchas veces diferente a la de la aplicación de captura de pornografía de Xiaobai. Programas web
Además de los rastreadores, Python también se usa ampliamente en programas del lado web. Por ejemplo, el backend de Zhihu que está utilizando ahora se basa en el marco tornado de Python y el backend de Douban. También está basado en Python. Además de tornado (Tornado Web Server), los marcos web comúnmente utilizados en Python incluyen Flask (Welcome | Flask (A Python Microframework)), Django (El marco web para perfeccionistas con plazos), etc. A través del marco anterior, puede implementar fácilmente un programa web. Por ejemplo, algunos amigos que conozco han escrito sus propios programas de blog a través de Python, incluido el anterior ?zhihu.photo. Implementé el backend a través de Flask (debido a derechos de autor. Por otras razones. , he detenido este sitio web). Además de los marcos anteriores, también puede intentar implementar un marco web usted mismo. Inteligencia artificial (IA) y aprendizaje automático
La inteligencia artificial es una dirección muy popular ahora, y la moda de la IA hace que el futuro del lenguaje Python esté lleno de potencial ilimitado. La mayoría de los marcos de IA muy influyentes lanzados ahora se implementan en Python. ¿Por qué? Porque Python es lo suficientemente dinámico y tiene suficiente rendimiento, que son las características técnicas que requiere la tecnología de IA. Por ejemplo, algunos sitios web basados en bibliotecas de aprendizaje profundo basadas en Python, instrucciones de aprendizaje profundo, instrucciones de aprendizaje automático e instrucciones de procesamiento del lenguaje natural se implementan básicamente a través de Python.
La mayoría de los marcos de herramientas para el aprendizaje automático, especialmente el popular aprendizaje profundo, proporcionan interfaces Python. Python siempre ha tenido una buena reputación en el campo de la informática científica. Su sintaxis concisa y clara y sus ricas herramientas informáticas son muy apreciados por los desarrolladores en este campo.
Mucho antes de que el aprendizaje profundo y Tensorflow y otros marcos se hicieran populares, scikit-learn existía en Python, que puede completar fácilmente casi todos los modelos de aprendizaje automático. Solo se necesitan unos pocos pasos desde la descarga de conjuntos de datos clásicos hasta la construcción. modelos de líneas de código. Se puede ajustar fácilmente con herramientas como Pandas y matplotlib.
Los marcos de aprendizaje profundo como Tensorflow, PyTorch, MXNet y Keras han ampliado enormemente las posibilidades del aprendizaje automático. Usar Keras para escribir una red de aprendizaje profundo para el reconocimiento de dígitos escritos a mano solo requiere unas pocas docenas de líneas de código, y puede usar la implementación subyacente para recurrir fácilmente a una gran cantidad de recursos, incluidas GPU, para completar el trabajo.
Vale la pena mencionar que no importa qué marco, Python solo se usa como lenguaje para la descripción del front-end, y el cálculo real se implementa a través del C/C++ subyacente. Debido a que Python puede introducir y utilizar fácilmente proyectos y bibliotecas C/C++ para lograr una expansión funcional y de rendimiento, en cálculos a gran escala, los desarrolladores pueden centrarse más en la lógica de los datos en sí y menos en trabajos complejos como la asignación de memoria. La liberación es una razón importante por la que Python se utiliza ampliamente en el campo del aprendizaje automático.
Computación científica
La eficiencia de desarrollo de Python es muy alta y los módulos con mayores requisitos de rendimiento pueden reescribirse en C y llamarse mediante Python. Al mismo tiempo, Python puede resolver problemas abstractos de alto nivel, por lo que también es muy popular en el campo de la informática científica. La aparición de bibliotecas de terceros para informática científica, incluidas scipy y numpy, es aún más conveniente para aquellos que tienen cierta base matemática pero tienen habilidades informáticas promedio.