You can not select more than 25 topics Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.

README.md 2.1 kB

6 years ago
4 years ago
1234567891011121314151617181920212223242526272829303132333435363738394041424344
  1. # 简明Python教程 (90分钟学会Python)
  2. Python 是一门上手简单、功能强大、通用型的脚本编程语言。
  3. * Python 类库极其丰富,这使得 Python 几乎无所不能,网站开发、软件开发、大数据分析、网络爬虫、机器学习等都不在话下。
  4. * Python最主要的优点是使用人类的思考方式来编写程序,大多数情况下使用封装好的库能够快速完成给定的任务,虽然执行的效率不一定很高,但是极大的缩短了程序设计、编写、调试的时间,因此非常适合快速学习、尝试、试错。
  5. 关于Python的安装可以参考[《安装Python环境》](../references_tips/InstallPython.md),或者自行去网络上查找相关的资料。
  6. ![learn python](images/learn_python.jpg)
  7. ## 内容
  8. 0. [Install Python](../references_tips/InstallPython.md)
  9. 1. [IPython & Jupyter Notebook](0-ipython_notebook.ipynb)
  10. 2. [Basics](1_Basics.ipynb)
  11. - Why Python, Zen of Python
  12. - Variables, Operators, Built-in functions
  13. 3. [Print statement](2_Print_Statement.ipynb)
  14. - Tips of print
  15. 4. [Data structure - 1](3_Data_Structure_1.ipynb)
  16. - Lists, Tuples, Sets
  17. 5. [Data structure - 2](4_Data_Structure_2.ipynb)
  18. - Strings, Dictionaries
  19. 6. [Control flow](5_Control_Flow.ipynb)
  20. - if, else, elif, for, while, break, continue
  21. 7. [Functions](6_Function.ipynb)
  22. - Function define, return, arguments
  23. - Gloabl and local variables
  24. - Lambda functions
  25. 8. [Class](7_Class.ipynb)
  26. - Class define
  27. - Inheritance
  28. ## 参考资料
  29. * [安装Python环境](../references_tips/InstallPython.md)
  30. * [IPython Notebooks to learn Python](https://github.com/rajathkmp/Python-Lectures)
  31. * [廖雪峰的Python教程](https://www.liaoxuefeng.com/wiki/1016959663602400)
  32. * [跟海龟学Python](https://gitee.com/pi-lab/python_turtle)
  33. * [智能系统实验室入门教程-Python](https://gitee.com/pi-lab/SummerCamp/tree/master/python)
  34. * [Python Tips](../references_tips/python)
  35. * [Get Started with Python](Python.pdf)
  36. * [Python - 100天从新手到大师](https://github.com/jackfrued/Python-100-Days)

机器学习越来越多应用到飞行器、机器人等领域,其目的是利用计算机实现类似人类的智能,从而实现装备的智能化与无人化。本课程旨在引导学生掌握机器学习的基本知识、典型方法与技术,通过具体的应用案例激发学生对该学科的兴趣,鼓励学生能够从人工智能的角度来分析、解决飞行器、机器人所面临的问题和挑战。本课程主要内容包括Python编程基础,机器学习模型,无监督学习、监督学习、深度学习基础知识与实现,并学习如何利用机器学习解决实际问题,从而全面提升自我的《综合能力》。