背景
温馨的学习环境
实验室环境
个人分享
共同学习
现在DreamTech算法组
开始招新啦~
在这里，你不仅可以接触到数据挖掘、机器学习、深度学习、人工智能、高级算法设计与分析，还能够加深对基本的数据结构、栈、队列、树、图、排序、搜索等知识的认识。
算法是一位十分有趣的伙伴，永远蕴藏着新的未知等你去探索，永远带来新的挑战等你去解决，如果你思维敏捷，喜欢挑战，并对算法有强烈的探索欲望，那么欢迎加入我们！
下面是我们的学习路线
第一阶段：Python基础
Python语言是一种面向对象的动态类型语言，学习Python是以后从事更复杂工作的基础。
学了Python语言之后的主要方向：
一、人工智能方向
二、大数据方向
三、网络爬虫工程师
四、Python Web全栈工程师
Python基础学习书籍推荐：
《Python编程从入门到实践》
扎实的Python基础是进行深度学习的必不可少的条件。
第二阶段：算法基础
如果说 Java 是自动档轿车，C 就是手动档吉普。数据结构与算法呢？是变速箱的工作原理。你完全可以不知道变速箱怎样工作，就把自动档的车子从 A 开到 B，而且未必就比懂得的人慢。写程序这件事，和开车一样，经验可以起到很大作用，但如果你不知道底层是怎么工作的，就永远只能开车，既不会修车，也不能造车。如果你对这两件事都不感兴趣也就罢了，数据结构与算法懂得用就好。但若你此生在编程领域还有点更高的追求，数据结构与算法是绕不开的课题。
算法书籍推荐：
《算法导论》（算法圣经）
《算法第四版》
算法练习网站：
力扣（https://leetcode-cn.com/）
第三阶段：NumPy数据科学库
NumPy是Python中科学计算的基础包。当我们遇到复杂的数值计算时，NumPy就派上了用场，它可以让我们方便自然的进行操作，通常应用于以下具体场景：
1，执行各种数学任务，如：数值积分、微分、内插、外推等；
2，快速处理图像，如镜像图像、特定角度旋转图像等；
3，对矩阵进行各种数值计算，如矩阵乘法、求逆等。
第四阶段：Pandas数据分析支持库
Pandas 是 Python 的核心数据分析支持库，是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的，可以高效地操作大型数据集。
说道Pandas就不得不提数据分析，简单来说是指用统计分析方法对大量数据进行分析，将它们加以汇总和理解并消化。
总而言之，Pandas 相当于 Python 中 Excel：它使用表，能在数据上做各种变换，你能想到的Excel操作它基本都有，甚至可以自定义许多实现功能。
第五阶段：matplotlib、Seaborn
使用 Python 做数据分析，首要部分就是如何知道数据处理结果是否正确，满足需求。通过 Pandas 处理 Series或DataFrame 会输出对应结果，但结果显示并不明显。数据可视化是数据科学的重要步骤，能够为结果和过程提供一个比较好的展实效果。
matplotlib是 Python 2D 绘图库，很多其他的 Python 绘图库都是基于matplotlib 开发,如 seaborn、basemap 等等，几乎可以绘制大部分需求，只需几行代码就可以生成图表、直方图、功率谱、条形图、误差图、散点图等.
Seaborn是基于 matplotlib与Pandas 统一的图表制作库，旨在以数据可视化为中心来挖掘与理解数据。
第六阶段：sklearn
sklearn 是一个 Python 第三方提供的非常强力的机器学习库，它包含了从数据预处理到训练模型的各个方面。
在工程应用中，用 Python手写代码来从头实现一个算法的可能性非常低，这样不仅耗时耗力，还不一定能够写出构架清晰，稳定性强的模型。更多情况下，是分析采集到的数据，根据数据特征选择适合的算法，在工具包中调用算法，调整算法的参数，获取需要的信息，从而实现算法效率和效果之间的平衡。
而sklearn，正是这样一个可以帮助我们高效实现算法应用的工具包，学会sklearn 你就可以随心所欲的调用各种机器学习的算法去进行数据挖掘，自然语言处理等多种任务。
总结
我们寻找那些积极主动，渴望成长的同学加入进来，一起来学习，一起成长。
如果你认可我们，就让DreamTech的小潘同学邀请你入群。
当前活动
我是 终身学习者“老马”，一个长期践行“结伴式学习”理念的 中年大叔。
我崇尚分享，渴望成长，于2010年创立了“LSGO软件技术团队”，并加入了国内著名的开源组织“Datawhale”，也是“Dre@mtech”、“智能机器人研究中心”和“大数据与哲学社会科学实验室”的一员。
愿我们一起学习，一起进步，相互陪伴，共同成长。
联系客服
