_index.md

---
title: "Python 高阶"
date: 2018-12-29
lastmod: 2020-01-05
weight: 3
type: docs
icon: #
description: "高阶路线图"
# search related keywords
keywords: ["Python","高阶"]
---

![高校俱乐部](https://codechina.csdn.net/codechina/operation-work/uploads/53b24f5f44d3c851890b1789ed501001/%E9%AB%98%E6%A0%A1%E4%BF%B1%E4%B9%90%E9%83%A8320.jpg)

<p style="text-align:center;font-weight:bold;">关注“高校俱乐部”微信公众号，快人一步获取高清全套技术路线图</p>

<br>

{{< embed-pdf-view url="/images/Python.pdf" >}}



### 科学计算基础软件包NumPy

- NumPy概述
  - NumPy的前世今生
  - NumPy数组 vs Python列表
  - NumPy数组类型和属性
  - 维、轴、秩
  - 广播和矢量化
- 安装配置
- 创建数组
- 操作数组
  - 索引
  - 切片
  - 改变数组结构
  - 合并和拆分
  - 复制
  - 排序
  - 查找
  - 筛选
  - 数组I/O
- 常用函数
  - np.nan和np.inf
  - 函数命名空间
  - 数学函数
  - 统计函数
  - 插值函数
  - 多项式拟合函数
  - 自定义广播函数
- 掩码数组
  - 创建掩码数组
  - 访问掩码数组
- 矩阵对象
  - 创建矩阵
  - 矩阵特有属性
  - 矩阵乘法
- 随机抽样子模块
    - 随机数
    - 随机抽样
    - 正态分布
    - 伪随机数的深度思考

### 结构化数据分析工具Pandas

- Pandas概览
  - Panda的特点
  - 安装和使用
- 数据结构
  - 索引数组Index
  - 带标签的一维同构数组Series
  - 带标签的二维异构表格DataFrame
- 基本操作
  - 数据预览
  - 数据选择
  - 改变数据结构
  - 改变数据类型
  - 广播与矢量化运算
  - 行列级广播函数
- 高级应用
  - 分组
  - 聚合
  - 层次化索引
  - 表级广播函数
  - 日期时间索引对象
  - 透视表
  - 数据可视化
  - 数据I/O

### 绘图库Matplotlib

- 安装配置
- Matplotlib快速入门
  - 画布
  - 子图与子图布局
  - 坐标轴与刻度的名称
  - 图例和文本标注
  - 显示和保存
- 图形绘制
  - 曲线图
  - 散点图
  - 直方图
  - 饼图
  - 箱线图
  - 绘制图像
  - 极坐标绘图
- 风格和样式
  - 画布设置
  - 子图布局
  - 颜色
  - 线条和点的样式
  - 坐标轴
  - 刻度
  - 文本
  - 图例
  - 网格设置
- Matplotlib扩展
  - 使用BaseMap绘制地图
  - 3D绘图工具包

### 科学计算工具包SciPy

- SciPy概览
- 安装配置
- 数据插值
  - 一维插值
  - 二维插值
  - 离散数据插值到网格
- 曲线拟合
  - 最小二乘法拟合
  - 使用curve_fit()函数拟合
  - 多项式拟合函数
- 傅里叶变换
  - 时域到频域的转换
  - 一维傅里叶变换的应用
  - 二维傅里叶变换的应用
- 图像处理
  - 图像卷积
  - 边缘检测
  - 侵蚀和膨胀
  - 图像测量
- 积分
  - 对给定函数的定积分
  - 对给定样本的定积分
  - 二重定积分
- 非线性方程求解
  - 非线性方程
  - 非线性方程组
- 线性代数
  - 计算矩阵的行列式
  - 求解逆矩阵
  - 计算特征向量和特征值
  - 矩阵的奇异值分解
  - 求解线性方程组
- 聚类
  - k-means聚类
  - 层次聚类
- 空间计算
    - 空间旋转的表述
    - 三维旋转

### 机器学习工具包Scikit-learn

- Scikit-learn概览
- 安装配置
- 数据集
  - Scikit-learn自带的数据集
  - 样本生成器
  - 加载其他数据集
- 数据预处理Preprocessing
  - 标准化
  - 归一化
  - 正则化
  - 离散化
  - 特征编码
  - 缺失值补全
- 分类Classification
  - K-近邻分类
  - 贝叶斯分类
  - 决策树分类
  - 支持向量机分类
  - 随机森林分类
  - 集成学习Bagging/Boosting
  - 神经网络模型
- 回归Regression
  - 线性回归
  - Lasso回归
  - 支持向量机回归
  - K-近邻回归
  - 决策树回归
  - 随机森林回归
  - 逻辑回归
- 聚类Clustering
  - K-Means聚类
  - 均值漂移聚类
  - 基于密度的空间聚类
  - 谱聚类
  - 层次聚类
- 成分分解与降维
  - 主成分分析
  - 因子分析
  - 截断奇异值分解
  - 独立成分分析ICA（Independent Component Analysis）
- 模型评估与参数调优
    - 估计器得分
    - 交叉验证
    - 评价指标
    - 参数调优
    - 模型持久化

### 深度学习

- 神经网络基础知识
  - 人工智能发展历史
  - 神经元
  - BP神经网络
  - 梯度下降
  - 激励函数
  - 过拟合、欠拟合
  - 优化器Optimizer
  - 常用开发工具
- 环境配置
  - Windows搭建深度学习环境
  - Linux搭建深度学习环境
  - MacOS搭建深度学习环境
  - CPU/GPU环境搭建
- Theano
  - Theano基础知识
  - 定义Layer
  - CNN
  - RNN(GRU/LSTM)
  - Autoencoder
  - 神经网络参数保存
  - 神经网络性能评价
- TensorFlow
  - TensorFlow基础知识
  - Tensor
  - Session
  - Variable
  - Placeholder
  - Dropout
  - Tensorboard
  - CNN
  - RNN(GRU/LSTM)
  - Autoencoder
  - GNN
  - 神经网络参数保存
  - 神经网络性能评价
- Keras
  - Keras基础语法
  - 兼容Backend
  - 函数模型和序列模型
  - 定义Layer
  - CNN
  - RNN(GRU/LSTM)
  - Autoencoder
  - GNN
  - 迁移学习
  - BiLSTM-Attention
  - 生成对抗网络GAN
  - 神经网络参数保存
  - 神经网络性能评价
- PyTorch
  - PyTorch基础知识
  - Tensor
  - Variable
  - 定义Layer
  - 可视化
  - CNN(TextCNN)
  - RNN(GRU/LSTM)
  - Autoencoder
  - GNN/GCN
  - 迁移学习
  - 生成对抗网络GAN
  - 神经网络参数保存
  - 神经网络性能评价
- 强化学习
    - 强化学习概念
    - Q-Learning
    - Sarsa
    - DQN(Deep Q Network)
    - Policy Gradients
    - Actor Critic

### 计算机视觉

- 数字图像处理基础
  - 数字图像处理
  - 图像三要素
  - 像素及图像类型
  - 图像信号数字转换
- OpenCV基础
  - 安装配置
  - OpenCV基础语法
  - 几何图形绘制
- 图像处理入门
  - 读取显示图像
  - 读取修改像素
  - 创建复制保存图像
  - 获取图像属性及通道
- 图像算数与逻辑运算
  - 图像加法运算
  - 图像减法运算
  - 图像与运算
  - 图像或运算
  - 图像异或运算
  - 图像非运算
- 图像几何变换
  - 平移变换
  - 缩放变换
  - 旋转变换
  - 镜像变换
  - 仿射变换
  - 透视变换
- 图像量化与采样
  - 图像量化处理
  - 图像采样处理
  - 图像金字塔
  - 局部马赛克处理
- 直方图统计
  - 直方图概述
  - 直方图绘制
  - 掩膜直方图
  - H-S直方图
  - 直方图对比
- 图像增强
  - 图像增强
  - 直方图均衡化
  - 局部直方图均衡化
  - 自动色彩均衡化
  - 图像去雾
- 图像平滑
  - 图像平滑概述
  - 均值滤波
  - 方框滤波
  - 高斯滤波
  - 中值滤波
  - 双边滤波
- 图像锐化及边缘检测
  - 一阶微分算法、二阶微分算子
  - Roberts算子
  - Prewitt算子
  - Sobel算子
  - Laplacian算子
  - Scharr算子
  - Canny算子
  - LOG算子
- 图像形态学处理
  - 图像腐蚀
  - 图像膨胀
  - 图像开运算
  - 图像闭运算
  - 图像梯度运算
  - 图像顶帽运算
  - 图像底帽运算
- 图像分割
  - 基于阈值的图像分割
  - 基于边缘检测的图像分割
  - 基于纹理背景的图像分割
  - 基于K-Means聚类的区域分割
  - 基于均值漂移算法的图像分割
  - 基于分水岭算法的图像分割
  - 图像漫水填充分割
  - 文字区域分割及定位
- 傅里叶变换
  - 傅里叶变换
  - 傅里叶逆变换
  - 高通滤波器
  - 低通滤波器
- 霍夫变换
  - 霍夫变换
  - 霍夫线变换
  - 霍夫圆变换
- 图像特效处理
  - 图像毛玻璃特效
  - 图像浮雕特效
  - 图像素描特效
  - 图像怀旧特效
  - 图像流年特效
  - 图像滤镜特效
  - 图像水波特效
  - 图像卡通特效
- 图像分类
  - 图像分类概述
  - 基于机器学习的图像分类
  - 基于深度学习的图像分类
  - LeNet
  - VGG
  - AlexNet
  - ResNet
- 人脸识别
- 目标检测
  - 目标检测概述
  - RCNN
  - Fast-RCNN
  - SPPNet
  - Mask-RCNN
  - SSD
  - YOLO系列算法

### 自然语言处理

- 自然语言处理概览
  - 自然语言处理的基本概念
  - 自然语言处理的面临困难
  - 自然语言处理的研究现状
- 预备知识
  - 概率论基础知识
  - 最大似然估计
  - 隐马尔可夫模型
  - 贝叶斯网络
  - 条件概率分布
  - 信息论基础知识
  - 熵
  - 困惑度
  - 互信息
  - 神经网络基础知识
  - CRF
  - BiLSTM+Attention
  - 迁移学习
  - 常用语料库和知识库
- jieba
  - jieba概述
  - jieba分词
  - jieba添加自定义词典
  - jieba词性标注
  - jieba关键词抽取
- nltk
  - nltk概述
  - nltk字符串处理
  - nltk词性标注
  - nltk词干提取
  - nltk命名实体识别
  - nltk分块处理
  - nltk文本分类
  - nltk情感分析
- Genism
  - TF-IDF
  - similarities
  - LSA
  - LDA
  - Word2vec
- 词法分析
  - 分词(英文分词/中文分词)
  - 词干提取
  - 词形还原
  - 词性标注
  - 命名实体识别
- 句法分析
  - 短语结构分析
  - 依存句法分析
- 语义分析
  - 命名实体消歧
  - 指代消解
  - 语义角色标注
  - 语义关系抽取
  - 语义依存分析
  - 抽象语义表示
- 词嵌入
  - Word2Vec
  - GloVe
  - fastText
  - ELMo
  - BERT
  - XLNet
- 文本挖掘
  - 文本相似度计算
  - 文本聚类
  - 文本分类
  - 文本摘要
- 情感分析
  - 基于情感词典的情感分析
  - 基于深度学习的情感分析
- 主题模型
  - LSA
  - LDA
- 机器翻译
  - IBM统计翻译模型
  - 短语抽取
  - 语言模型
  - GNMT
  - Seq2Seq
  - Transformer
- 语言模型
  - n-gram
  - Pitman-Yor过程模型
  - AWD-LSTM
  - Transformer-XL
  - Gated CNN
- 智能问答
  - 基于知识的问答
  - 基于检索的问答
  - 阅读理解
  - 完形填空
- 智能对话
  - 对话行为分类
  - 对话状态跟踪
  - 检索式聊天机器人
  - 生成式聊天机器人
  - 意图识别
  - 槽填充(Slot Filling)
- 语音识别
  - 傅里叶变换
  - 声学模型
  - 隐马尔可夫模型
  - CNN
  - LSTM-HMM
  - 神经网络语言模型
  - MFCC
- 知识图谱
  - 知识图谱构建
  - 知识计算
  - 知识存储
  - 知识服务与应用