سأل أحد القراء: "هل هناك أي مشروع تدريبي على Python يمكننا استخدامه للتعلم الذي يمكنك التوصية به؟"
بالتاكيد.
1) تطبيق Django Webapp
هذا خاص لأولئك منكم الذين لم يقوموا بتطوير الويب.
(باحثو المعلومات: أنا أتعامل معك.)
يعد امتلاك خيار إنشاء تطبيق ويب قدرة كبيرة لأي مصمم. التفسير هو أنه يسمح لك بأخذ نوع آخر من البرمجة التي تقوم بها ، وتجميعها بحيث تكون متاحة للأغلبية.
إذا لم تكن قد قمت بتطوير الويب من قبل ، فيجب أن تكون هذه هي حاجتك رقم 1 ، مقارنة بالآخرين في القائمة. (إذا كنت * قد * قمت بتطوير الويب ، فانتقل إلى الشيء التالي ... هرب من نطاق معرفتك المعتاد.)
ما هو النظام الذي تستخدمه؟ ستلفت Google الانتباه إلى اثني عشر قرارًا استثنائيًا لك. لا يحدث أي فرق كثيرًا تستخدمه. يمكنك اختيار الشخص الذي يعجبك.
ومع ذلك ، إذا كنت بحاجة إلى اقتراح ، فسأقدم لك اقتراحًا:
استخدم Django.
إنها بنية مكدسة غير عادية ، ويتم الإبلاغ عنها في كل مكان .. في حال انتهيت من إنفاق أكثر من بضع لحظات في اختيار هيكل ، ما عليك سوى استخدام Django والحصول على الترميز.
لذلك هذا هو مشروع واحد يعتقد. التالي:
2) أداة سطر الأوامر
إذا لم تكن قد اكتشفت كيفية إنشاء برامج سطر الطلب ... فأنت تفوت فرصة كبيرة.
في الوقت الذي تأخذ فيه برنامجك ، وتجمعه في واجهة سطر أوامر قابلة للبرمجة ...
مع تصميم يمكن التحكم فيه عن طريق البدائل واللافتات ...
علاوة على ذلك ، فإن مصادر البيانات والعوائد للبرنامج مقيدة بحجوزات سطر الأمر ...
هذا يوسع دائمًا تقدير برنامجك. بشكل متواصل. 100٪ من الوقت.
لذلك إذا لم تكن قد فعلت ذلك من قبل في أي وقت ... فأنت بحاجة إلى التعلم.
بشكل أساسي ، هذا يعني تعلم وحدة "argparse". تم دمجه في مكتبة Python القياسية.
توجد مكتبات مختلفة لبناء واجهات سطر الأوامر ، وهي ليست موجودة في مكتبة Python القياسية. لديهم معجبيهم المهووسين الذين يؤلفون الآن رسائل غاضبة إليّ ، مليئة بالكلمات الخاطئة ، لامتلاكهم الجرأة لاقتراح الجدال بدلاً من libwhateverz المحبوب.
تجاهلهم. Argparse مظلل بالكامل ويصعب تحسينه. أيضًا ، إنها بطارية مضمنة في Python.
لذا في المرة القادمة التي تقوم فيها بتأليف برنامج بايثون ، لخص الأمر. استخدم argparse لجعلها أكثر قابلية للتشغيل الآلي ، وقابلة للتكيف ، وقابلة للنصوص ، وبشكل عام أفضل.
إذن هذا هو اقتراح المشروع الثاني. أخيرا:
3) تعلم الآلة
إذا لم تكن قد ركبت قطار الدعاية هذا بعد ، فيجب عليك في أي حال أن تطلب رحلة قصيرة على الطريق.
في الواقع ، كل الثرثرة حول الذكاء الاصطناعي المزيف يتم الإعلان عنه بشكل مبالغ فيه. ومع ذلك. كما أنه يحتوي على مادة حقيقية. علاوة على ذلك ، سوف تستفيد من تعلمها.
لديك بديلان لما يجب القيام به. أقترح أن تكتسب الكفاءة من خلال مكتبة تسمى scikit-Learn. إنه يشتمل على أدوات لكل من التعلم المدار وغير المدعوم ، وبناء خطوط الأنابيب.
هذا خيار واحد ، وأنا أقترح أن تبدأ به. بديل آخر هو تعلم Tensorflow. أعتقد حقًا أنك ستتحسن إذا ذهبت إلى تلك الفرصة بعد أن تكون لديك بعض المشاركة في scikit-Learn ، ولكن إذا كنت تطالب بالالتفاف إلى الأمام ، في أي حال تأكد من التعرف على الرياضيات من أجل الإدارة "مخططات العملية" أولاً.
إذن كيف ستستخدم مكتبة ML الجديدة الخاصة بك؟ في الواقع ، إنه مثالي في حالة أنه يمكنك تطبيقه على المشكلات التي تبحث عنها في عملك. ومع ذلك ، من الصعب القيام بذلك أثناء التعرف على كل شيء.
إذن هناك أرضية تحضير: Kaggle.
ما عليك سوى البحث عن "مسابقات Kaggle" ، والبحث عن فئة "البداية". جعلوها بسيطة بالنسبة لك.
نشرة بايثون الإخبارية القوية مخصصة لك فقط. كما قالها المصور تشارلز هايدن:
تعليقات
إرسال تعليق
إذا كان لديك أي شكوك فيرجى إبلاغي بالاتصال بي