-
1 # IT史記研究所
-
2 # 玩著學程式設計
以前在“ 如鵬網 ”上了解過Python的課程體系，挺不錯的，可以參考一下；
有網路的地方就可以學習，根據自己的時間來靈活安排學習進度，極大的降低了學習成本，有更多的時間來練習專案，夯實基礎；
有問題隨時提問，老師實時線上答疑，每個章節的後面都有相應的練習題和麵試口才題，需要以錄音的方式進行提交，為以後的面試做充足的準備，畢業前，老師會專門講解“如何寫簡歷、如何投簡歷、如何面試、如何談薪資避免賤賣”，並對每位同學的就業全程進行指導。
有新的課程更新了，也是可以繼續申請了來學習的，口碑不錯，基本上都是慕名而去的，具體的可以到如鵬網官網上去了解一下，有詳細的課程體系；
第一部分：Python語言基礎
第二部分：資料庫開發
第三部分：web前端
第四部分：Python web開發
第五部分：Python web專案開發
第六部分：Linux
第七部分：NoSQL
第八部分：資料視覺化
第九部分：爬蟲技術
第十部分：人工智慧
-
3 # 論智
你不需要過多地關心“TensorFlow和Python需要掌握到什麼程度”這樣的問題。
Python是一門通用的程式語言，通用的程式語言其實都是相通的，變數宣告、函式宣告和呼叫、算術、分支結構、迴圈結構、遞迴、模組，無非就是這些。瞭解Python中以上概念是如何表達的，然後實際動手寫點Python程式就可以了。
TensorFlow是一個框架，方便構建神經網路。大概瞭解TensorFlow的架構，知道TensorFlow怎麼用，然後實際動手使用下TensorFlow就可以了。
Python和TensorFlow都有很詳細的文件，網上各種資源也相當豐富。所以你並不需要追求掌握到什麼程度，有基本程度的瞭解後，發現有不會的，去查就是了。
舉個例子，IBM研究院有一位Research Staff Member，Victor Dibia，使用Tensorflow框架構建了一個實時檢測手部的應用。這個應用可以基於影片或攝像頭的影片流實時檢測手部。
上面是應用的演示，注意，其中有一段時間手被杯子擋住了，但是應用照樣毫不含糊地檢測出手部了。
Victor Dibia在構建這個應用之前沒怎麼用過Python和TensorFlow。所以，構建這個應用的過程同時也是學習Python和TensorFlow的過程。那麼，你猜猜他總共用了多少時間？
。
。
。
一個週末！
沒想到吧？
所以說，真的不用太關注Python和TensorFlow需要掌握到什麼程度這樣的問題。直接上手，邊學邊做，邊做邊學。我建議你大概瞭解Python和TensorFlow後，參照Victor Dibia的做法，寫一個小專案，在這個過程中學習Python和TensorFlow。試試看，能不能像Victor Dibia那樣一個週末搞定？也許能，也許不能，誰知道呢？但相信我，即使你沒有這麼快，這樣學習是最快、最有效率的。
-
4 # 你看我獨角獸嗎
例如用sklearn和Python就可以幾行程式碼完成一個簡單的機器學習專案。
首先，我們得有一些訓練資料。
以上是一些水果的標籤和變數資料，Weight和Texture分別代表水果特徵，Label是水果種類。這個專案的目的就在於如何透過水果特徵來判別是哪一種水果，因為矩陣中有離散型變數和連續型變數，那麼我首先想到一個通用方法就是決策樹演算法。
那麼，怎麼用程式碼來構建我想要的模型？sklearn模組是個不錯的選擇，它是一個Python的機器學習模組，當然用TensorFlow也可以完成構建模型，當然需要自己構建決策樹模型，沒有現成介面。
以上整個程式碼只需要6行就可以完成，而且很容易看懂，實際執行的程式碼也只有3行這麼多而已，程式執行後就可以得到以下結果。
這就是一個簡單的機器學習專案過程，掌握Python和Tensorflow的程度，只要會用即可，因為你可能同時也要用Java、pyTorch等程式語言或模組。在使用工具上可能隨時千變萬化，但不變是演算法本身的底層知識和專案邏輯處理過程。以上是我本身做專案的一點經驗，希望對你有幫助。
-
5 # 谷歌是全人類福音
學會python基本語法，然後用tensorflow工具包，在github上找一些有趣的實驗跟著大牛做，然後再改變一下引數自己做（比如經典習題是訓練識別紫羅蘭，那你可以換成其他的植物），為了增加效率，強烈建議一個高配的GPU
回覆列表
Python你只需要懂基本語法就足夠了，去實際做的時候，邊學邊做足矣
TensorFlow其實也只是一個人工智慧、機器學習的一個工具，是一個開源深度學習的框架而已，你最重要的其實是先把人工智慧，深度學習相應的理論基礎打紮實！
1.數學基礎：數學很重要，高數、求偏導，機率論...等等大學的基礎要補一補
2.機器學習基礎：推薦一個打基礎的好資源，臺灣李宏毅老師的機器學習課程（網上搜索資源）
3.深度學習與計算機視覺：打好上面的兩個基礎，可以把Google李飛飛老師的網易雲課堂的公開課學了，把CNN、RNN、DNN.....這些基本的概念都搞清楚
4、最後才開始用TensorFlow來實際動動手！,可以開始著手選擇一個領域，看相關的論文，比如人臉檢測，開始訓練一些模型，其中才會用到Python....
學習人工智慧，一定要像蓋房子一樣，先把地基要打穩，打牢固，才能支撐起將來的摩天大樓，基礎不是Python這樣的程式語言工具，而是數學，機器學習基礎.....
祝你好運！