Python学习晋升新模式 | Python技能树测评

简介: Python学习晋升新模式 | Python技能树测评

前言


最近看到CSDN发布了Python技能树内测版本,好奇的点了进去。看到左边栏的技能树里面的内容,不禁想起了自己当初学习python的经历。通过这几天对该内测版本的试用,分享一些个人的试用感受以及建议,希望对打算试用Python技能树来学习python的小伙伴提供一些帮助。也感谢CSDN官方邀请测评。


技能树使用介绍


技能树链接


官方地址:https://bbs.csdn.net/skill/python


初始界面


image.png


这个界面的感受还是比较合理的,技能树的排列也比较合理,回想自己当初学习Python,也基本是按照这个技能树顺序的。


这里需要给初学者一些建议,进阶语法看上去只是减少了几行代码,没什么用。但是按照我工作中使用python的经验,进阶语法会在你工作中经常遇到,如果不熟悉这个写法,多练习,习惯后你会发现代码整洁干净、逻辑清晰。


我看很多测评的小伙伴觉着这个滚动栏不太好,我个人觉着还可以,没什么大毛病,后端大数据出生的我完全能接受。


参考资料


因为工作习惯,我本能的点到了人工智能技能项-深度学习。滚动了一下,嗯。。。怎么说呢?具体问题等下面我统一说。

image.png


参考资料还是很全面的,而且还可以发帖讨论,这样可以增加互动,还是非常人性的设计。仔细点了几个参考文章,里面的内容还是非常实用的。


练习题


关于练习题还是要吐槽一下,题目我点了一些,都是选择题。当然如果制作代码题,可能需要的工作量会很大,也理解。


image.png


练习题和你对这个技能项的学习进度有关,可以在目录页看到进度。


image.png


练习题如果回答错误了,还有在线的notebook可以支持线上代码运行,不过这里强调一下,在线运行需要CSDN会员哦。

image.png



启动notebook,速度比较慢,耐心等一等。

image.png



jupyter的使用就不用细说了。


image.png


使用shift+enter可以直接执行代码。


这些人性化的在线调试代码,还是很有用的,毕竟装一整套环境比较耗时,而且有时间我就是想对照给我的样例代码写一些验证代码,都能很好的解决。练习题的整个设计,我还是比较喜欢的,简单、人性、实用。


提交参考资料


在完成技能项的所有练习题后,算是完成了该技能项的学习。我们还可以提交该项的相关学习资料,作为对CSDN社区Python技能树的支持,这也是该产品的一个特点了吧。


image.png


总结


以上就是本人对Python技能树使用测试的全过程,在使用的几天里,还是有许多感慨的,因为发现有一些参考资料还收藏在我浏览器的收藏栏里面,当初学习python的经历还可以回忆起来。


现在说一些优缺点吧。


优点


1、python的学习路径还是十分明确且务实的,让小白学习起来不费劲。


2、参考资料十分全面,甚至一些具体的解决方法也在里面。


3、练习题有在线运行环境(虽然要充会员),帮助快速上手代码编写,好用。


4、有交流社区可以发帖讨论,增加互动性。小白也可以把碰到的问题发布出来,让大神帮助解决,合理。


5、支持创作者分享自己的资料,补充不足,高效。


缺点


1、有的技能项参考资料过多,需要增加搜索和排序的功能。参考资料最好做分级,毕竟一个知识点也有不同层次的难度,让小白选择哪些先看哪些后看,很有难度。


2、像有的技能项参考资料偏向某一类架构,建议分类,例如:深度学习,怎么全是tensorflow,没有pytorch少了点味。


3、练习题太少,而且单一,不足以体现测试用户是否掌握的功能。毕竟开出练习题就是为了验证用户的学习情况。


4、练习题我认为也可以让用户提交,毕竟让社区一直想题目也困难,哈哈。


5、技能项的每项可以增加案例或者常用的例子,可以帮助在实际场景中使用,例如:简易flask架构项目、爬虫案例、深度学习音视频的常用模型等。


6、在线notebook打开的太慢了,需要优化一下。


总的来说作为内测版本已经非常不错了,相信未来CSDN会把她做的更好。


如果你觉着看过这篇文章有用,可以点个赞,比心。


相关文章
|
1月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
267 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
25天前
|
设计模式 开发者 Python
Python编程中的设计模式:工厂方法模式###
本文深入浅出地探讨了Python编程中的一种重要设计模式——工厂方法模式。通过具体案例和代码示例,我们将了解工厂方法模式的定义、应用场景、实现步骤以及其优势与潜在缺点。无论你是Python新手还是有经验的开发者,都能从本文中获得关于如何在实际项目中有效应用工厂方法模式的启发。 ###
|
30天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
57 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
1月前
|
机器学习/深度学习 人工智能 架构师
Python学习圣经:从0到1,精通Python使用
尼恩架构团队的大模型《LLM大模型学习圣经》是一个系统化的学习系列,初步规划包括以下内容: 1. **《Python学习圣经:从0到1精通Python,打好AI基础》** 2. **《LLM大模型学习圣经:从0到1吃透Transformer技术底座》**
Python学习圣经:从0到1,精通Python使用
|
1月前
|
机器学习/深度学习 缓存 PyTorch
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
这篇文章是关于如何下载、安装和配置Miniconda,以及如何使用Miniconda创建和管理Python环境的详细指南。
399 0
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
|
1月前
|
开发者 Python
Python学习九:file操作
这篇文章是关于Python文件操作的详细教程,包括文件的打开、读写、关闭,以及文件备份脚本的编写和文件定位操作。
22 2
|
21天前
|
Python
探索Python中的异步编程模式
【10月更文挑战第29天】在编程世界中,时间就是效率。Python的异步编程模式,就像是给程序装上了翅膀,让任务并行处理不再是梦想。本文将带你了解如何在Python中实现异步编程,解锁高效代码的秘密。
25 0
|
1月前
|
机器学习/深度学习 人工智能 架构师
|
1月前
|
机器学习/深度学习 缓存 Linux
python环境学习:pip介绍,pip 和 conda的区别和联系。哪个更好使用?pip创建虚拟环境并解释venv模块,pip的常用命令,conda的常用命令。
本文介绍了Python的包管理工具pip和环境管理器conda的区别与联系。pip主要用于安装和管理Python包,而conda不仅管理Python包,还能管理其他语言的包,并提供强大的环境管理功能。文章还讨论了pip创建虚拟环境的方法,以及pip和conda的常用命令。作者推荐使用conda安装科学计算和数据分析包,而pip则用于安装无法通过conda获取的包。
83 0
|
1月前
|
Python
python学习之旅(基础篇看这篇足够了!!!)(下)
python学习之旅(基础篇看这篇足够了!!!)(下)
28 0
下一篇
无影云桌面