¿En qué deberíamos centrarnos después de la introducción de Python?
Conceptos básicos del lenguaje Python: introducción a Python3, tipos de datos, cadenas, declaraciones de juicio/bucle, funciones, espacios de nombres, ámbitos, clases y Objetos, herencia, polimorfismo, programación de interfaz tkinter, archivos y excepciones, procesamiento de datos, etc.
Lenguaje Python avanzado: biblioteca general de terceros de Python y programación de redes, expresiones regulares de Python, rastreadores de buzones de correo, recorrido de archivos, rastreadores de datos financieros, rastreadores de subprocesos múltiples, subprocesos y procesos de Python, base de datos Python MySQL, Xiecheng , jython et al.
Contenido front-end full-stack de Python: CSS, CSS3, diseño de interfaz web, javaScript, jquerry.
Jquerry EasyUI, Móvil, photoshop, Bootstrap, etc.
Contenido back-end de pila completa de Python: introducción a Django, Django avanzado, práctica de Django.
Contenido back-end de pila completa de Python: principios de desarrollo de Flask, prácticas de proyectos de desarrollo de Flask, principios de desarrollo de Tornado, prácticas de proyectos de desarrollo de Tornado, etc.
Conceptos básicos de Linux: comandos de procesamiento de archivos, comandos de administración de permisos, comandos de ayuda, comandos de búsqueda de archivos, comandos de compresión y descompresión, habilidades de uso de comandos, uso de VIM, administración de paquetes de software, administración de usuarios y grupos de usuarios, desarrollo de Shell de Linux esperar.
Desarrollo de automatización de operación y mantenimiento de Linux: desarrollo de Python para operación y mantenimiento de Linux, desarrollo de herramientas de alarma de operación y mantenimiento de Linux, desarrollo de auditoría de seguridad de alarmas de operación y mantenimiento de Linux, desarrollo de herramientas de informes de calidad de servicio de Linux, herramienta de detección de seguridad Kali detección, descifrado de contraseñas de Kali, combate real, etc.
Análisis de datos de Python: procesamiento de datos numpy, análisis de datos de pandas, visualización de datos de matplotlib, análisis estadístico de datos de scipy, análisis de datos financieros de Python, etc.
Big data de Python: Hadoop HDFS, python Hadoop MapReduce, python Spark core, python Spark SQL, python Spark MLlib, etc.
Aprendizaje automático de Python: conocimientos básicos de aprendizaje automático, algoritmo KNN, regresión lineal, algoritmo de regresión logística, algoritmo de árbol de decisión, algoritmo ingenuo de Bayes, máquina de vectores de soporte, algoritmo de agrupación de k-medias, etc.