关于python的自学总结(已拿到百度offer)

机械工程大专生自学Python半年,直接拿下15K的offer,运气真的也是很重要 前言 通过这个故事我希望学弟学妹们不要像我一样,等到临近毕业后才醒悟要学习知识学习技术的重要性,能趁早尽量要趁早,过去应该做的事情没有去做,后面都需要你加倍补回来。 我是一个大专生,专业是机械工程,当时以为考上了大学就可以高枕无忧放开了玩,可以说我整个大学期间都是打LOL过来的。到了大三才发现,同学们都陆续去找了实习,有的做机械工作,有的在大二的时候就自学了Python或者web前端技术,然后他们通过秋招找到了一份实习的工作,实习的工资基本都在5K左右。 从那个时候我开始慌了,但还是没有具体的行动,一直拖到 阅读详情

今天给大家分享一下我自学Python找到工作的过程。
在这里插入图片描述

我的经历

先简单介绍一下我的情况吧。非科班出身,高中读的理科,但是进入大学学了文科专业,之后再没接触过理工科。对计算机也是一窍不通,大学才刚开始接触电脑,打字保存文件都不会。后来有了自己的电脑,就开始瞎捣鼓,至于编程课程还是大二的时候学过一学期的VB,之后再没接触过。就这样的一个背景,我是从来没想过自己以后会从事一份编程的工作。

在这里插入图片描述

接触Python

2019年毕业后,我和一位朋友合伙运营一个非营利性机构。那时候逛知乎,不知道咋就看到了一些介绍爬虫的文章,我好像就突然来了兴趣,想着要不就学习一门编程语言吧,也算是个业余的爱好。之后就开始接触Python,而且还跟一个程序员朋友一些做过一个爬虫的项目,不过之后就不了了之了。然而,就是这次的尝试,让我走上了程序猿的道路。

在这里插入图片描述

大概2019年8月——2020年3月左右,接触的比较杂,就是看书学习。因为当时我也没想着要找一份相关的工作,只是单纯地认为有趣就学了。由于工作也比较忙,所以也是间断性的学习。
在这里插入图片描述

工作转折

到2020年年底的时候,我和合伙的朋友出现了一些矛盾(其实这个矛盾在我们合伙之初就已经存在了),当时虽然还没辞职,但是心已经不在那里了,我开始考虑换工作了。不过由于之前看东西都是东一锤头,西一榔头的,完全没有静下心来学习,压力还是蛮大的。但是感觉自己自学问题应该不大,我准备给自己几个月时间。
在这里插入图片描述

2020年12月31日,我正式辞职,制定了学习大纲:
在这里插入图片描述

拿到offer

之后,时间过去了有三个多月,其实我当时心里还是蛮焦虑的,就开始投简历。由于没啥项目经验,很多公司直接连面试机会都不给。最后,终于有一个公司打电话邀请面试。我当时其实心里特没底,因为面试表现的不是很好。没想到的是公司说可以给我offer,我还是比较吃惊的。
在这里插入图片描述

五月份到现在,我已经在新公司八个多月了。新入职后,分配给我的任务还可以接受,也不是很困难。不过经过之前的面试,我还有很多不足的地方,这些都得以后补起来,任重而道远啊。

The End

其实无论做什么,一定要找好一个属于自己的方向,这样学起来才会有力量,我在这里把自己学习的时候整理的资料分享给大家,自制力差的小伙伴,或者没有学习资料的都可以领取。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述上面这份完整版的Python全套学习资料已经上传优快云,有需要的朋友,可以直接微信扫描下方优快云官方认证二维码免费领取【保证100%免费】。

在这里插入图片描述

Python学习总结 大佬的Python学习总结 立即下载

相关推荐

python学习个人归纳总结

学习归纳总结:python学习个人归纳总结,后续还有各种字符串操作函数

python的自我总结

    python使用了一段时间,现在整理一下已经使用的模块及简要作用和用法。 一、常用类型  基础  time  os 二、数据整理  pandas  NumPy matplotlib 三、网络爬取 (1)分布式爬取结构  scrapy (2)网络链接内容获取  requests  selenium   (3)网络信息定位整理  re  BeautifulSoup之...

ddddsssaa1234的博客 3119

Python使用技巧 (个人总结)

Python使用技巧 (个人总结)

Python课实训报告心得体会

这种自我学习的能力不仅让我更加深入地理解了Python的精髓,还让我在未来的学习和工作中更加自信和从容。通过Python的学习和实践,我不仅提高了自己的编程能力,还培养了解决问题的能力、团队合作精神和自我学习的能力。这些能力不仅对我未来的学习和工作有着重要的意义,还让我更加自信和从容地面对未来的挑战。我希望能够通过不断地学习和实践,不断提高自己的编程能力和解决问题的能力,为未来的学习和工作打下坚实的基础。本学期,我参加了Python课程的实训,通过一系列的实践操作,我对Python有了更深刻的理解和认识。

2401_85978352的博客 2860

Ubuntu单系统安装全攻略:从删除Windows到UEFI引导设置(避坑指南)

本文提供Ubuntu单系统安装的完整指南,涵盖从安全删除Windows系统到UEFI引导设置的详细步骤。通过专业工具准备、分区方案设计、引导加载器配置等关键环节,帮助用户避免常见安装问题,实现纯净高效的Ubuntu单系统环境。特别强调UEFI引导的深度配置与安装后的性能优化,适合希望彻底转向Linux的用户。

weixin_29210727的博客 409

FCL碰撞检测库在Windows下的编译与配置(MinGW+CMake)

本文详细介绍了在Windows系统下使用MinGW和CMake编译配置FCL碰撞检测库的完整流程。内容涵盖MinGW-w64、CMake的安装与环境配置,关键依赖库Eigen和libccd的安装,以及FCL源码的编译、安装与实战测试。重点解析了CMake配置命令中的关键参数与常见错误解决方案,旨在帮助开发者高效完成FCL在Windows平台的部署,适用于机器人、游戏物理引擎等需要精确碰撞检测的开发场景。

sunny的博客 483

Python学习心得体会

首先最开始,我们要明确一点,学习编程不是一日之功,需要每天投入时间学习,也不可纸上谈兵,需要自己亲自操作,不动手就不会发现问题,动了手印象才会深刻,记得更靠。接下来我就稍微总结一下,我在学习中遇到的问题和一些心得体会。1.修改字符串大小写时常用的方法有upper,lower,局限性就是真个字符串都会变化,还有一种叫title的方法,可以只把首字母大写,非常好用。2.列表本身是有顺序的,而且非常非常非常重要的一点,列表中的第一个数的顺序是“0”,索引是从0开始的,切记!

m0_74942241的博客 2476

树莓派国内镜像源一键配置指南

本文提供树莓派国内镜像源一键配置指南,解决默认国外源访问缓慢问题。通过自动检测系统版本并支持清华、阿里云、中科大等主流镜像站选择,大幅提升软件更新与安装速度。包含详细的手动配置方法和常见问题排查,帮助用户快速完成树莓派换源优化。

tequila的博客 1376

python个人总结_Python个人总结_02

Python 第二课解释型和编译型语言计算机是不能够识别高级语言的,当我们运行一个高级语言的时候,需要将高级语言翻译成计算机能够读懂的机器语言。这个过程分为两类,一个是编译,一个是解释。编译型语言在程序执行之前,先通过编译器对程序执行一个编译的过程,把程序转变为机器语言。运行时就不需要翻译,而直接执行就可以了,最典型的例子就是C语言。解释型语言就没有这个编译的过程,而是在程序运行的时候,通过解释器...

weixin_39786155的博客 304

Linux下CUDA 11.8与vllm的完美搭配:从环境配置到避坑指南

本文详细介绍了在Linux系统中为CUDA 11.8环境部署vLLM的完整实战指南。针对cu118与vLLM的版本兼容性核心问题,提供了从Python、PyTorch版本选择,到关键依赖vllm-nccl-cu11的安装避坑,以及环境调优、生产级容器化部署的全面解决方案,帮助开发者高效构建稳定的大模型推理服务。

weixin_29095049的博客 308

ROS2 Nav2实战:解决rviz2显示no map received的3种实用方法(附详细步骤)

本文针对ROS2 Nav2导航栈中rviz2显示“no map received”的常见问题,提供了三种核心解决方案。深入剖析了问题根源在于ROS2生命周期节点管理、QoS策略不匹配及坐标系设置错误,并分别通过手动配置流程、集成生命周期管理器以及调优QoS策略与固化rviz2配置,给出了详细的实战步骤,确保地图数据可靠显示。

j0k1l2m3n的博客 422

新手python的自学总结(已拿到百度offer)

我记得当时第一次面试面了四轮,有一个笔试不是很难,第一轮重点问了数据库、Linux服务器相关的知识,现在回想起来回答的真是差劲,后面第二轮问了Python相关的一些知识点,勉强答了一些,第三轮技术问题比较少,面试官了解了一些基本情况后,问了还记不记得排列组合的公式,当时我说好多年了忘记了,不过基本的原理记得,就直接现场推了一番。针对这一块,学些一些Linux相关的命令是一方面,其实最重要的是我想看看网络编程的知识,所以看了一些UNIX网络编程的内容,但是由于时间比较紧,所以后来就先搁置下了。

m0_74942241的博客 4268

高通QCOM Camera Pipeline 可视化工具:从XML到交互式图谱的工程实践

本文详细介绍了高通QCOM Camera Pipeline可视化工具的工程实践,旨在解决Camera驱动与算法工程师在解析复杂XML配置文件时的痛点。该工具能将静态的XML文件(如g_camx_usecase.xml)自动转换为交互式视觉图谱,通过分层布局算法清晰展示Pipeline、Node、Port和Link的拓扑关系,并支持悬停查看、拖动缩放等交互操作,极大提升了开发调试与架构理解的效率。

prometheus5watch的博客 555

从新东方被裁转行互联网。月薪过万,入职百度外包的真实感受。

月薪过万,百度外包的真实感受。个人情况:21届双非二本毕业生,由新东方教培初中数学转互联网进入百度外包,目前已入职8个月。自双减之后,整个部门全部离职,觉得教培行业不再吃香,又不甘心回家当个学校老师,听朋友建议转了互联网,自学了半个月excel、Mysql、Java、python(一点),开始找工作,拿到了6个offer,最终选择百度外包岗。入职8个月,来谈谈真实感受(谨代表个人客观评价)。一、为什么选择百度外包?

VN520的博客 7756

vue3 - 高德地图定位出错Get ipLocation failed.Geolocation permission denied.(info: “FAILED“ | status: 0)报错解决!

vue3,nuxt3,高德地图,定位,位置,报错,AMap.Geolocation,解决报当前定位失败,高德地图H5 定位失败报错,web网页网站,报错详细解决教程,Get ipLocation failed.Geolocation permission denied.,高德地图定位报错info: "FAILED",高德地图status: 0,已经是https了还是报错,确保了浏览器位置已经开了,手机定位也开了,没解决,H5页面在ios的浏览器上使用 高德地图 报当前定位失败Geolocation,移动端设

✅ 精选推荐文章 6771

优化点列图(RMS半径)的操作数

优化点列图(RMS半径)的操作数

weixin_72050316的博客 2258

自学计算机一年多,终于收到百度的正式offer了

秋招终于圆满结束了,对于我一个非科班出身的人来说,能够拿到大厂的offer真的很开心。感谢一年多来自己的付出吧!除了百度offer,这个秋招还在某公司的宣讲会上抽到了一等奖华为手机p 30,(运气不错哈哈哈),虽然该公司在简历筛选阶段就把我刷了,,(个人简历的确做的很烂)! 好久没有更新博客了,过几天还是把自己整理的学习资料搬上来。 开心归开心,接下来还需要继续学习啊,加油,各位! ...

weixin_42702722的博客 483

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

2024年最全你是如何自学Python的,全网最全Python攻略,看完这一篇就够了,3面直接拿到offer

为了帮助大家更好的学习Python,小编给大家准备了一份Python学习资料,里面的内容都是适合零基础小白的笔记和资料,不懂编程也能听懂、看懂,需要获取方式:扫描下方即可获取。优快云大礼包:《Python零基础入门&进阶学习资源包》免费分享。

2401_84569463的博客 1345

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

python爬虫访问百度贴吧案例(3),我是如何收割多家大厂offer的

现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习。

ghfgjfg679的博客 758

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

java和python哪个值得学,已拿到offer

前言 可以说掌握这个pdf上的知识,面试问的基础知识无处左右,我凭借这个pdf拿下了OPPO/百度,京东,华为,美团,蚂蚁金服等互联网公司的offer。 下文中截图来源于朋友一个pdf版本的面经,把所以知识点的答案整理了下来,耗费他至少1个月时间,在本文最后部分把这个pdf分享给大家,觉得有用的麻烦点赞关注走一波,谢谢!!!面经中有他的知识点的答案,如下图示例,非常详细(文末有领取方式)!!! 字节跳动 面试前 头条的面试是三家里最专业的,每次面试前有专门的HR和你约时间,确定OK后再进行面试。每次都是

m0_57700125的博客 82
上一篇: 用python 居然可以生成 情话、床头诗、对联,Python你还会给我多少惊喜?
下一篇: Python是不是被严重高估了?
Python王饱饱
博客等级 码龄5年 504粉丝 165原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值