---
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)
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
{{< 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