我的 Python 学习之路

说来惭愧，我最早开始学习python，是去年9月，过去一年里断断续续，几乎没有进展。

去年9月保研以后，我预感自己大四这年会松懈下来，浑浑噩噩地度过一年。闲着也是闲着，就打算学点东西。

从前年开始，Python变得很火热，身边的人都开始学习Python，我也打算学学这个语言，至少要知道大家学来干啥。所以那时候没有真正想明白，为什么要Python。

整个学习过程也是没有目标和节奏，学一天晾两天。学了几周还是停留在抄代码的水平。等毕业设计开始以后，学Python这件事就彻底晾在一边了。

01

我为什么要学python？

我把它当作一件严肃的事情，还是今年7月份开始。

我为什么要学python？

今年7月份，我正式进入研究生导师课题组，确定了我大致的课题方向，是关于模型模拟。

师兄师姐也在做，他们用的方法比较成熟——用fluent、matlab的工具箱建模，主要的工作是设置参数并不断优化，得到理论上的最优解，最后通过实验数据进一步修正。

这个过程比较依赖经验，并且没能充分利用已有的大量数据。

导师说，现在领域内比较新的做法是通过智能算法（机器学习）训练模型，得到最优参数。

由于python在机器学习方面有很成熟的框架和第三方库，并且容易学习掌握，所以我就开始把 Python 当作一项必须掌握的技能。

我不是计算机、软件专业的，现在没有转行专职写代码的意愿，Python 对我而言是一个很好用的工具。它让我能做一些区别于同专业前辈的事情，我不知道这是不是优势，但我相信这会产生一些新的发现。

所以，对于非计算机、软件专业的朋友，Python 是一个能让你区别于同行的工具。

02

我的学习路线

我的学习目标是掌握机器学习的 Python 实现方法。所以我给自己设定的学习路线是：

1.掌握 Python 语言

2.初步认识机器学习

3.深入了解机器学习并尝试自己用 Python 写简单的模型算法

4.能运用机器学习训练实验数据得到合理模型

我一开始没花太多时间在网上搜教程，比较哪家好。后来发现这样做是对的，因为各种入门教程基本都是官方手册的视频版，并没有明显的优劣之分，学习效果取决于动手写代码的过程。

我去年没学好，主要是因为我太依赖教程了——我找教程必须要求有视频、源代码，一来看视频轻松，二来方便抄代码。

从七月份开始，我花了20多天，大概100个小时，刷完MOOC上嵩天老师的课。

推荐配合教材一起看，因为很多要记的东西翻书比翻视频方便，尤其是书的附录列出了几个常用库的函数、参数。

上完这门课以后，我基本能没有语法错误地写一些简单的语句，就算有bug我也知道怎么搜索解决。

同时，我开始补一些概率统计的内容，因为机器学习的很多内容都和概率统计有关，比如贝叶斯定理。这方面我主要是复习本科教材。

其次，在刷完嵩天老师的 Python 课以后，我开始初步了解机器学习。我选的课程是黑马程序员的免费课程《最简单快速入门Python机器学习》，基本涵盖了机器学习的主要流程。

链接：http://yun./course/500.html?bili

这个课程的好处就是思路清晰，不拖沓，详略得当，这对于入门者来说比较友好。因为对入门者来说，最重要的不是学多深，而是如何快速了解全貌。

但是弊端就是，加了公众号、QQ，留了电话，加微信，最后都没拿到课程案例的数据集。没有数据，对机器学习来说基本是灾难。最后好不容易在贴吧找到了数据。