建立统一的 Python 开发环境并独立运行程序
Python 编程与科学计算可以开始学习
Python编程与科学计算
从基础语法到数据分析与智能感知
从配置环境和运行第一个游戏开始，逐步学习程序设计、工程计算、数据分析和手写数字识别。
Python 3.10.11PygameNumPyPandasPyTorch
24学习主题
6模块
Python实践环境
围绕首次运行、基础语法、工程计算、数据分析和智能感知逐步学习。
完成课程后
你将完成什么
使用基础语法、函数、文件和对象组织程序
完成科学计算、数据处理与结果可视化
完成手写数字识别并解释测试结果与局限
学习路线
课程目录
6 个模块，24个学习主题。围绕首次运行、基础语法、工程计算、数据分析和智能感知逐步学习。
01Python 环境、基础语法与工程计算3 个主题
从配置统一环境和运行第一个程序开始，学习变量、输入输出与工程计算。
- 01课程导入：认识 Python 与星潮生存战正在读取
- 02变量、基础数据类型、表达式与输入输出正在读取
- 03实验1：工程计算小程序尚未开放
02流程控制、函数与模块化设计3 个主题
使用条件、循环、数据结构和函数，把较长的问题拆成可复用的程序步骤。
- 04分支、循环与常用数据结构尚未开放
- 05函数设计、模块组织与标准库尚未开放
- 06实验2：感知数据流程小工具尚未开放
03文件、数据集与异常处理3 个主题
读写常见数据文件，组织数据集，并让程序能够说明和处理运行问题。
- 07文本、CSV 与 JSON 文件读写尚未开放
- 08相对路径、数据集组织与异常处理尚未开放
- 09实验3：数据集文件确认工具尚未开放
04面向对象、实验记录与测试3 个主题
用类和对象描述实验信息，通过组合与基础测试提高程序的清晰度和可靠性。
- 10类、对象、属性、方法与封装尚未开放
- 11对象建模、组合与基础单元测试尚未开放
- 12实验4：实验结果管理器尚未开放
05科学计算、数据分析与可视化6 个主题
使用 NumPy、Pandas 和 Matplotlib 完成数据清洗、指标计算与结果表达。
- 13NumPy 数组、索引、切片与向量化计算尚未开放
- 14Pandas 数据清洗、指标计算与 Matplotlib 表达尚未开放
- 15实验5：数据理解与清洗方案尚未开放
- 16实验5：统计指标与混淆矩阵数据尚未开放
- 17实验5：图表与错误样本分析尚未开放
- 18实验5：完整运行、复现与报告尚未开放
06Python 智能感知应用6 个主题
认识样本、标签与数据划分，完成手写数字识别的训练、测试与结果复现。
- 19智能感知流程、样本、标签与数据划分尚未开放
- 20PyTorch 模型、训练循环与评价复现尚未开放
- 21实验6：离线数据与固定划分尚未开放
- 22实验6：模型构建与训练记录尚未开放
- 23实验6：测试、混淆矩阵与错误样本尚未开放
- 24实验6：模型保存、复现与局限说明尚未开放