课程 PY-01

Python for AI

面向深度学习的实用 Python 前置课程。

你将学会什么

  • 阅读和编写清晰、符合习惯的 Python。
  • 使用 NumPy、Matplotlib 和 Jupyter 完成小型实验。
  • 识别机器学习项目中常见的数据处理模式。
  • 带着正确的 mental model 进入 PyTorch 和 D2L。

学习前提

不要求已有 Python 经验;有 C 或 C++ 等语言基础会有帮助。你需要一台可以创建并运行 Python 文件的电脑。

学习进度

0 / 25 节已完成

开始课程

课程目录

七个模块,一条连续路径

25 节课程
模块 0

入门与工作流

  1. 00课程说明(Course Guide)已发布
  2. 01Python 环境与工作流已发布
模块 1

Python 基础

  1. 02变量、对象与基本类型已发布
  2. 03字符串(String)已发布
  3. 04列表与元组(List & Tuple)已发布
  4. 05字典与集合(Dict & Set)已发布
  5. 06索引、切片与容器操作已发布
模块 2

控制流

  1. 07比较、布尔逻辑与 if已发布
  2. 08for、while 与 range已发布
  3. 09enumerate、zip、break 与 continue已发布
  4. 10推导式(Comprehensions)已发布
模块 3

函数与 Pythonic 写法

  1. 11函数、参数与返回值已发布
  2. 12灵活的函数参数已发布
  3. 13作用域、模块与 import已发布
  4. 14解包、lambda 与常见 Pythonic 写法已发布
模块 4

实用 Python

  1. 15文件、Path 与 JSON已发布
  2. 16异常与 Debugging已发布
  3. 17面向 AI 代码的类(Classes)已发布
  4. 18Type Hint、Dataclass 与测试基础已发布
模块 5

NumPy 与科学 Python

  1. 19NumPy 基础:ndarray、shape、dtype、axis已发布
  2. 20NumPy 数据操作:向量化、广播与聚合已发布
  3. 21NumPy Random、Matplotlib 与 Jupyter 实战已发布
模块 6

通往深度学习

  1. 22PyTorch Tensor 基础已发布
  2. 23Broadcasting、Autograd 与 DataLoader 预览已发布
  3. 24阅读 D2L 代码与准备度检查已发布