MIT计算机科学与Python编程导论-学习资料
MIT计算机科学与Python编程导论课程,内容覆盖分支、循环、字符串、函数、测试与调试、异常处理、面向对象、程序效率分析等

关键词标签: MIT, 函数, 测试与调试, 异常处理, 面向对象

课程介绍

MIT 6.0001是全球顶校麻省理工开设的Python编程基础课程,课程系统地讲解了Python的语法与注意点,通过本课程学习,可以完整掌握python编程实战应用能力,为后续计算机科学专业方向(比如网站开发、数据科学、人工智能)应用与落地做准备。

课程内容覆盖 分支、循环、字符串、近似、函数、元组、列表、递归、字典、测试与调试、异常处理、测试、面向对象、继承、程序效率分析、搜索、排序等内容。


课时编号 课时内容
第1.1讲 什么是计算科学
第1.2讲 shell与编辑器
第1.3讲 Python与数学
第1.4讲 连接(bindings)
第2.1讲 分支与循环
第2.2讲 字符串
第2.3讲 程序中的「比较」逻辑
第2.4讲 分支
第2.5讲 while循环
第2.6讲 for循环
第3.1讲 字符串操作、近似、插入等
第3.2讲 字符串操作
第3.3讲 字符串的for循环处理
第4.1讲 分解、抽象与函数
第4.2讲 函数调用
第4.3讲 函数参数
第5.1讲 元组、列表、重命名、元素更改与复制
第5.2讲 元组
第5.3讲 简单列表
第5.4讲 列表操作
第5.5讲 列表重命名与元素更改
第6讲 递归与字典
第7.1讲 测试与调试、异常处理与断言
第7.2讲 黑盒与白盒测试
第7.3讲 错误处理
第7.4讲 异常处理
第8.1讲 面向对象的编程
第8.2讲 类的定义
第8.3讲 类的实例
第8.4讲 类方法
第8.5讲 方法调用
第8.6讲 特殊函数(方法)
第9.1讲 python类与继承
第9.2讲 get与set系列处理
第9.3讲 子类
第10讲 程序效率分析 1
第11讲 程序效率分析 2
第12讲 搜索与排序

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!