Python爆红背后的原因是什么？为什么身边的小伙伴都开始学习Python?怎样零基础开始学习这门语言？学习难点在哪里？DT财经特邀纽约数据科学学院讲师张泽宇，为你们一一解答这些问题。

▍火爆的Python语言

国外的StackOverflow（DT君注：StackOverflow是一个与程序相关的IT技术问答网站。用户可以在网站免费提交问题，浏览问题，索引相关内容）网站上，Python已经是增长速度最快的语言，并且将可能在2020年成为最流行的语言。

最近Python从Python2转型到Python3，很多小伙伴因此遇到问题，这可能是StackOverflow网站中提问数激增的原因之一。

而在Github（DT君注：GitHub是一个面向开源及私有软件项目的托管平台）中，在2014年JavaScript是目前排名第一的语言，Java排名第二，Python排名第三，而随着Python的流行，现在Python的排名上升到了第二位。

JavaScript是目前网页开发的首选语言，有非常多有用的框架，但是更新非常快，不利于新手学习。另一方面，Python也从Python2更新到了Python3。因此两种语言都各有优劣势。

去年有则新闻引起了关注，其中提到Python语言将被加入高考科目，可见这门语言被越来越重视。

在国内，数据分析的工作需求量非常大，Python作为数据分析的头号语言，因此也越来越受欢迎。国内很多数据都是杂乱无章的，比如医学分析报告，由很多病患的化验结果拼接在一起，如果需要从中提取有用的数据，就需要用Python去处理。

▍Python学习中的难点在哪里？零基础怎么破？

Python是“入门易，精通难”的语言。跟C++等语言比起来，Python的语言非常精简，有时候解决一个问题需要十行C++代码，而Python只需要一行。

那么零基础学员如何入门？泽宇老师推荐了两个预习课程：在Codecademy网站和Github网站上完成基础课程后，再参加纽约数据科学院的训练营会更加顺利。（DT君注：Codecademy，是一家国外在线学习编程知识的网站）Codecademy网站是非常适合新手来练习，在这个网站可以边学边练，网站会反馈代码的正误。

在美国有两个学习代码的理念：Learn by coding、Keep your hands dirty。因此，想要学会Python，一定要亲自动手敲代码。为了保证学习的效果，训练营要求学员先在Codecademy上通过Python相关的练习，才能开始参与训练营。

另外，在GitHub网站上还有一个目录“awesome-python”，里面有很多教程，包括数据分析、数据可视化、机器学习、自然语言处理和网络开发等，涵盖了Python可以应用的所有领域。

泽宇老师再额外给大家分享一个小技巧：在Github上搜索“awesome-想学的语言”，如“awesome-java”，就可以找到对应的目录。

听老师讲再多，最实在的还是自己去完成一个项目。经验都是一个坑一个坑踩出来的，在训练营熬得每一个通宵都会有回报。

▍训练营课程亮点在哪里？

英文原版课件翻译

训练营的课件用的是纽约教育局认证的英文原版课件，授课用中文。用英文原版课件的原因有两个：其一，Python代码要求用全英文；其二，学员在StackOverflow和Github上提问时，只有熟悉Python的英文名词，才能使问题被人理解。

纯干货，不废话

泽宇老师的教学风格偏向于“相声流”，类似早年非常流行的新东方英语罗永浩老师的教学风格，非常注重跟学生互动。他打趣说心中理想的授课方式是直播，学员可以随时发弹幕提问，还能给他双击“666”和刷火箭。

训练营的所有课程都是对项目有帮助的，不浪费学员宝贵的时间。学员还可以到纽约数据科学院的网站上浏览往期学员做的几百个项目，满满都是干货。

有同学可能会问，课程亮点这么多，是不是上完就一定能找到工作？给大家讲个小段子：当年罗永浩老师在开老罗英语培训的时候，演讲说国内英语培训有三大流派：第一个是“神奇派”，比如神奇速记，英语神奇记忆千法；第二个是“N天搞定派”，十七天搞定GRE单词，17天突破托福作文；第三个流派是“不不不派”，学英语单词不用背，英语单词不再背。但是纽约数据科学院不会做这种“十天搞定Python”的课程。

有一个训练营的毕业生给出了这样的评价：“训练营就像一个放大镜，比如说一个十倍的放大镜，你投入一块钱得到十块钱，投入十块钱得到一百块。”所以学员投入的时间以及精力越多，自然而然得到的回报也会越多。

往期学员项目

泽宇老师为大家分享了一些往期学员的项目。

其中，学员抓取了招聘网站Glassdoor中美国各大城市的招聘信息，然后进行简单的薪水分析，可以看到加州和圣何塞的薪水比纽约还要高。但是加州的税率以及房租也会比纽约高，所以最后到手的工资不一定比纽约的高。在这样的案例中，老师会建议学生再抓取一些生活成本、税率等其他方面的统计数据，综合分析出到底哪个城市最适合数据科学家找工作。

在这个项目中，该同学还做了词频分析。可以看出各大科技公司的主打产品和语言，比如苹果公司的关键词是Siri和机器学习，亚马逊的关键词是AWS云计算服务，脸书的主打语言是PHP，谷歌主打Cloud和安卓，微软主打Azure。

有同学可能会问：到公司工作的时候会用到网络爬虫吗？公司里面不是有内部数据和现成的数据吗？其实好数据是要花很大价钱去买的。

举一个具体例子，训练营上一期和美国的最大的锁具制造企业Masterlock合作，他们提供数据和要求，训练营的学生分组给他们做一些类似于咨询的服务，这样学生在毕业之前可以接触到大公司的真实数据，了解到大公司对数据科学工作的要求。

Masterlock非常关心自己在各个电商的评价，希望训练营的学生做一个爬虫软件，每天定时从亚马逊上抓取过去24小时内的新评论。对抓取到的新评论，要先做数据清理，接着运用一些自然语言处理的技术来处理，比如深度学习里面的递归神经网络技术。

最后，生成报告告诉Masterlock，这条评价是关于什么的，比如说锁的颜色、安全性等。用爬虫软件代替人工来读评论，这就是用数据科学和机器学习改变公司处理数据的方式。

▍Python更高级的应用

学会用Python做数据分析之后，可以参加Kaggle数据分析竞赛。（DT君注：Kaggle是一个数据分析的竞赛平台：企业或者研究者可以将数据、问题描述、期望的指标发布到Kaggle上，以竞赛的形式向广大的数据科学家征集解决方案）

比如泽宇老师正在参加桑坦德银行的一个客户价值预测比赛，它的奖金有6万美金。这个比赛会解决一个实际问题，其中不会把敏感数据的含义公布出来，这样就不会造成数据泄露问题。

Kaggle最近前段时间被google收购了。现在网站上每年会有将近上百比赛推出，有的是预测两个商品的相似度，或者预测哪条生产线会有更大的概率出现事故。比赛运用到的数据包括数字、文字和图片相关的数据。现在有很多中国学生参加上面的比赛，可以在排行榜上看到很多中文的ID。

纽约数据训练营的学员在Kaggle的比赛中获得过很好的成绩，拿到过不少银牌和铜牌，泽宇老师也拿到过一些金牌和银牌。在Kaggle上拿奖会在以后找工作时有帮助，参与的项目在简历上是一个有利的加分项。

Python还可以应用在图像识别上。比如下图中识别图片中是狗还是猫。图像识别更进一步的应用是无人驾驶汽车。

上层建筑一定要有底层基础，把基础打牢了之后才有能力去挑战更高难度的任务。

注：以上内容根据张泽宇在数据侠线上实验室的演讲实录整理。图片来自其现场PPT。本文仅为作者观点，不代表DT财经立场

编辑 | 陈静 chenjing@dtcj

题图 | 站酷海洛

期待更多数据侠干货分享、话题讨论、福利发放？在公众号DT数据侠（ID：DTdatahero）后台回复“数据社群”，可申请加入DT数据社群。

▍数据侠门派

张泽宇，纽约数据科学学院数据科学家，主要负责纽约数据科学院训练营的Python、机器学习、深度学习课程教学。上海交通大学工程专业学士，纽约大学电子工程专业硕士。

新年刚刚开始，各行各业的盘点接踵而至。2017年，在线教育行业一片欣欣向荣的发展态势也颇引人注目，在线学习方式已渗透到人们的日常生活当中，变成一种刚需消费品。近日，国内领先的在线实用技能学习平台网易云课堂发布了《2017年最受用户欢迎的好课排行榜》，盘点了在2017年最受用户欢迎的精品好课。

设计类、编程类课程受到追捧

2017年，也是网易云课堂快速发展的阶段，不仅用户数量突破5500万，且平台合作的讲师/机构达5000余家，提供了约18万小时的教学服务，涉及职业、互联网、兴趣爱好等范畴内的100多个细分领域。

2017年，网易云课堂诞生了一批极受用户欢迎的课程。目前，平台上的课程主要分为免费课程和付费课程以及以就业为指导的微专业课程。

在最受用户欢迎的免费课程排行榜中，设计类课程《零基础学PS教程》位列榜首，目前这门课程累计学习人数接近35万，仅2017年就吸引了近16万的用户进行了学习。其次是《零基础学编程系列之C语言》以及《零基础入门学习Python》，这两门编程系列的课程在2017年的用户都达到了15万；值得一提的是，Python语言又被称为人工智能语言，从2018年起，Python语言将进入浙江省信息技术高考，Python语言程序类课程也将迎来新一轮的学习高潮。另外，在网易云课堂平台上，《跟王佩丰学Excel视频教程》等办公软件实操类课程也非常受用户欢迎，2017年的学习人数也接近15万。

在最受用户欢迎的付费课程排行榜中，排在榜单首位的是《手机摄影达人速成》，这是一门来自咔图摄影中心的手机摄影课程，主讲老师是摄影大师叶梓。针对零基础的摄影小白用户，叶梓老师用深入浅出的语言介绍手机摄影的各类知识与技巧，目前累计接近15万用户学过这门课程，仅2017年就有吸引了近10万用户。其次，《器械健身完全指南》、《王楚函V动yoga》这两门运动相关的课程，因价格优惠、实用性高也非常受用户欢迎，去年的用户均接近9万。

此外，《和秋叶一起学PPT》、《跟简七学理财》等课程也进入了最受用户欢迎的付费课程排行榜前十。

人工智能微专业成爆点

2015年，网易云课堂推出了以就业为指导的微专业。微专业课程内容由平台联合行业专家和企业导师共同打造，并为完成学习的用户提供专业认定证书，为他们找到合适的工作而助力。

经过2年多的发展，2017年网易云课堂微专业课程也取得了多项发展业绩———不仅发布了《深度学习》、《项目管理》、《Python数据分析师》等多门高质量的新课，而且选课人数上也达到历史新高，付费课程累计选课人数突破十万。尤其值得一提的是，2017年8月，网易云课堂与人工智能大师吴恩达合作全球首发《深度学习工程师》微专业，并免费向全网用户推出，一周时间报名人数超10万人次，也是目前选课人数最多的微专业课程。

据平台公布的数据显示，除了《深度学习工程师》这门微专业，《初级UI设计师》、《前端开发工程师》、《自由职业摄影师》、《数据分析师（初级）》等微专业，无论是在选课人数还是在营收上都处于靠前位置，是平台上最受用户欢迎的微专业课程。

2017年是网易云课堂发展的第五年。不久前，网易云课堂五周年之际，还召开了2017年内容伙伴大会，宣布在新消费兴起的大背景下，作为在线教育行业的领先平台，网易云课堂正式实施精品化平台战略，通过内容的精品化和IP化打造，升级平台资源与服务，在未来2年内培育100位年营收500万以上的在线教育界行家，持续为中国互联网用户创造更有效的学习。

同时，活动现场正式颁发了“2017网易云课堂金云奖”，最终近百位贡献突出的代表从平台5000余家合作机构及讲师中脱颖而出，分别获得了“最受欢迎的讲师/机构”、“年度精品课”、“年度平台潜力奖”、“年度公益奖”、“年度影响力人物”等奖项。其中，《和秋叶一起学PPT》、《向经济学人学图片》、《跟简七学理财》、《手机摄影高手速成》等课程还被评为“2017年度精品课程”。

对在线教育行业来说,精品内容永远是平台发展的核心竞争力,也是用户一直以来的关注重点。为激励平台机构和讲师创造更多的优质内容和教学服务,不久前,国内领先的职业技能学习平台网易云课堂在六周年之际,评选出了“2018网易云课堂金云奖”,以表彰2018年为教育事业做出突出贡献的机构与个人。

据网易云课堂相关负责人介绍,本次金云奖是根据2018年度课程机构的选课人数、课程评价等综合成绩评出十佳教育CP、精品突出贡献奖、最佳课程奖、最佳就业支持奖、平台潜力奖、教育公益奖、最佳合作奖。有超过20万平台用户参与了投票,选出了自己心中最佳人气讲师和最佳人气机构。

评选结果显示,有超过百位突出代表从平台1.5万余家合作机构及讲师中脱颖而出,荣获各类奖项。在获奖者中,既有去年才加入网易云课堂的新机构新讲师,也有多年来一直保持好口碑的经典课程机构。比如五位最佳人气讲师分别是“银行螺丝钉”、图灵学院刘英、大饼老师、71miao和PPT演讲师大白。“银行螺丝钉”的课程《躺着也赚钱的基金投资课》2018年2月中旬首次登陆网易云课堂,目前课程销售额接近四百万,成为平台最受欢迎的理财课程之一。此外,该课还获得了此次金云奖中的“最佳课程奖”。

由用户票选出的五个最佳人气机构分别是北京图灵学院、老九学堂、咔图摄影教育中心、爱数圈和知了课堂。去年2月份成立的北京图灵学院不仅获得了最佳人气机构称号,其讲师刘英还获被评选为最佳人气讲师,由他主讲的课程《免费Python全系列教程全栈工程师》,也位列2018年最受欢迎课程排行榜。

由于2018年特殊的就业环境,此次金云奖中,还设有“最佳就业支持奖”,以表彰那些为学员就业提供实质帮助的机构。获奖机构包括“稀牛学院、网易UEDC、三节课、网易安全部、i春秋和网易杭研PMO。据介绍,这些机构的课程与当前的就业岗位紧密相关,为平台学员就业提供了实质性帮助。比如,由网易UEDC联合浙江大学出品的微专业《初级UI设计师》一课,曾帮助数千名学员完成设计提升,其中优秀学员成功入职网易、京东、华为等一线互联网公司。

作为网易云课堂一年一度的评选盛典,2018年是网易云课堂成立以来颁发的第四届金云奖, “金云奖的设立是为了鼓励过去一年为用户提供精品内容的创造者。”网易云课堂相关负责人介绍道,“也希望鼓励平台机构和讲师继续生产更多优质的内容和教学服务,共同致力于为中国互联网用户创造更有效的学习。”

导语 : 这次带来的推荐是，“世界上最好的语言”PHP。PHP 的语法融合了各式各样语言的语法优点，结合自身独创的语法，以其高效率，简洁的特点而深受广大程序员的喜爱。现在我就带大家，来探索互联网深处，有哪些免费而优质的教程。

慕课网php入门篇

慕课网，可以说的算是一个耳熟能详的名字了，里面优质的教程不知有多少。这次我先给大家介绍的就是慕课网的视频教程，php入门篇。在这篇教程中，把php的基础教程都详尽的讲了出来。而学习到后面，还有php进阶篇。值得学习。

php中文网

php中文网是一个专门面向php学习热爱者的网站，比较权威。里面除了我推荐的免费文档教程，还有工具推荐，社区问答，热点新闻等等，可以说的算是非常全面了。推荐php学习爱好者在此长期发展。

w3c网站

说到文档教程，w3cschool当然是肯定又要讲的名字了。和以前讲的一样，w3c的教程适合在查阅的时候阅读，里面的教程广，但是讲的不详细。需要些耐心，当你全部读完的时候，相信你一定能收获颇多。

php100教程

这个网站可以说的上是一个非常小众的网站了，跟别的文档教程不同，它有很多函数库，适合学习在后面学习的时候阅读。如果这个你也能耐心的读完，那么你就可以将网站的一些小功能实现了。

php完全自学手册

阿里云大学，听名字就很厉害，哈哈。而这个php完全自学手册，非常不错，如果是第一次学习，建议可以先阅读这个教程，比较好理解。而且也非常全面，值得推荐。

2018年即将收官，这一年中国网民规模突破8亿，互联网早已渗透到民众生活的各个方面，包括在线购物、在线学习、在线游戏、在线交友等等。近期，专注职业技能提升的在线学习平台网易云课堂发布了“2018年最受欢迎课程排行榜”，根据观看人数和购买人数，盘点了在2018年最受用户欢迎的在线精品课程。

关键词：人工智能、区块链

2018年最火热门的行业莫过于人工智能与区块链，尤其是区块链行业，在上半年经历了如火山爆发般的增长速度。作为一个新兴行业，自然也吸引了大量网民的关注。从网易云课堂发布的榜单显示，《区块链100问》这门课位列“2018年最受用户欢迎的免费课”榜首，有约73万人进行了学习。作为一门入门级别的课程，这门课对区块链进行系统梳理，适合想要由浅入深、全面系统了解区块链的人。

今年，人工智能行业继续延续了去年的火爆趋势，尤其是从今年起，被称为人工智能语言的Python语言进入浙江省信息技术高考，Python语言程序类课程也迎来了学习高潮。在“2018年最受用户欢迎的免费课”TOP10榜单中，人工智能相关的课程就占据三门---《吴恩达机器学习》《免费Python全系列教程全栈工程师》《零基础入门学习Python》，每门课程的学习人数都超过十万。在“2018年最受用户欢迎的付费课”榜单中，《Python开发21天入门必备》位列榜首。目前网易云课堂正在举行的6周年庆典活动中，原价9.9元的该课目前仅售0.1元。

关键词：办公软件、理财

各类办公软件几乎是每位职场人都会接触到的应用，这类课程也是网易云课堂上最受用户欢迎的课程类别之一。在“2018年最受欢迎课程排行榜”中，《工作型PPT应该这样做》《和秋叶一起学PPT》《PS教程超级合辑》《跟王佩丰学Excel视频教程》等办公软件实操类课程纷纷入榜，可见职场人对这类实用技能的学习热情有增无减。

榜单显示，职场人对学习理财也十分热衷。上榜课程《躺着也赚钱的基金投资课》是针对20岁以上的上班族、白领等人群，帮助投资者掌握基金这一类投资品的投资技巧。这门课程的讲师不仅是一名雪球大V，同时还有著作《指数基金投资指南》。该课自今年2月中旬登陆网易云课堂以来，3个月内课程销售额达到数百万，成为平台最受欢迎的理财课程之一。

2018年受整体经济形势的影响，市面上一部分企业出现缩招现象，职场人的焦虑似乎特别突出，在线学习也成为他们释放焦虑的途径之一。2018年也是网易云课堂成立的第六年，今年9月，网易云课堂进行品牌升级，发布全新的Slogan“我的职业课堂”，更加聚焦用户职业技能的提升，并尝试拓展更多与职场相关的边界，包括提供个性化课程定制、搭建轻社交关系、打通职场相关的垂直链路与横向领域等等。

大数据文摘编辑组

谷歌刚刚为全球的机器学习者们带来了一份大礼。

作为向人工智能教育领域迈出的第一步，谷歌的人工智能学习网站Learn with Google AI在今天上线，并重磅推出了一门机器学习速成课（Machine Learning Crash Course ，MLCC），提供交互式教学视频和练习，免费教授机器学习概念。

课程网站：

https://developers.google/machine-learning/crash-course/

在本次发布中，谷歌提供了英文，西班牙文，法文，韩文和普通话五种版本，以突破语言障碍，造福全球的AI学习者。

作为一门机器学习课程，这门课本身也有非常多的AI元素。课程全套中文音频和中文PPT都由机器学习技术生成，还全部内嵌到了课程视频里，颇为用心良苦。

这门课程内容基于谷歌内部为期两天的训练课程，旨在帮助谷歌工程师学习机器学习概念。据介绍，之前已有超过10000名谷歌工程师学习过相同课程。

谷歌称，通过该课程的培训，谷歌工程师得以在AI领域有更多创新：比如加强Daydream设备的摄像机校准，为Google Earth创建虚拟现实，并提高YouTube的流媒体质量。“MLCC在谷歌的成功激励我们向所有人开放这些培训课程。”

MLCC也是谷歌打算通过新的ai.google网站提供的许多课程和资源中的第一个，更多的课程和资源即将到来。

谷歌希望这一网站成为机器学习和人工智能的存储库，并成为所有机器学习者的“大本营”，吸引从高级研究人员到初学者的所有级别人工智能爱好者。

机器学习速成课时长约15小时，包括互动课程，谷歌研究人员的讲座以及40多个练习。

文摘菌也对本课程进行了简单测评，总体来看，这一课程是一门非常基础的人工智能概念介绍的入门课程，适合具有一定Python基础、但没有任何机器学习经验的新人。

那么对于初学者，到底如何选择最新入手的课程呢？

对比吴恩达新上线的deeplearning.ai深度学习系列课程，谷歌这门课显然更加偏向机器学习入门，具备编程基础的学习者能通过这门课迅速了解机器学习相关概念并上手，这对于广大编程者来说无疑是个好消息。

对于深度学习中的计算机视觉、自然语言处理等方向，这门课都没有涉及。同时，你也只能学到谷歌自家的TensorFlow框架。不过如果目标是能上手，学这些就足够了。

去年在I / O开发者大会上，谷歌宣布在网站上新增教育项目。近年来，谷歌一再表示，其目标是实现人工智能的民主化，并为每个人提供工具。这一课程显然是重要一步。

先来看看谷歌官方如何描述这一课程旨在解决哪些问题：

机器学习与传统编程有何不同？什么是损失，如何衡量损失？梯度下降法的运作方式是怎样的？如何确定我的模型是否有效？怎样为机器学习提供我的数据？如何构建深度神经网络？

谷歌建议学习者掌握入门级代数，熟练掌握编程基础知识和Python。

官网对课程的学习者有如下要求：

掌握入门级代数知识。 你应该了解变量和系数、线性方程式、函数图和直方图（熟悉对数和导数等更高级的数学概念会有帮助，但不是必需条件）；熟练掌握编程基础知识，并且具有一些使用Python进行编程的经验。机器学习速成课程中的编程练习是通过TensorFlow并使用Python进行编码的。你无需拥有使用TensorFlow 的经验，但应该能够熟练阅读和编写包含基础编程结构（例如，函数定义/调用、列表和字典、循环和条件表达式）的Python代码。

再来看看课程目录：

机器学习概念：机器学习简介（3分钟）框架处理（15分钟）深入了解机器学习（20分钟）降低损失（60分钟）使用TF的基本步骤（60分钟）泛化（15分钟）训练集和测试集（25分钟）验证（40分钟）表示法（65分钟）特征组合（70分钟）正则化：简单性（40分钟）逻辑回归（20分钟）分类（90分钟）正则化：稀疏性（40分钟）神经网络简介（55分钟）训练神经网络（40分钟）多类别神经网络（50分钟）嵌入（80分钟）机器学习工程：生产环境机器学习系统（3分钟）静态训练与动态训练（7分钟）静态推理与动态推理（7分钟）数据以来关系（14分钟）机器学习现实世界应用示例：癌症预测（5分钟）18世纪文学（5分钟）现实世界应用准则（2分钟）

从目录看来，这是一门机器学习尤其是TensorFlow入门课。正如这门课的英文名称，Crash Course。但这门课的亮点在于，提供了大量配套练习及练习环境（ipython notebook），同时提供了中文语音、中文PPT、中英文对照的机器学习术语表。

课程视频页面

一开始打开网页时，文摘菌并没看到中文，这时只要在页面左下角选择语言为中文即可。

谷歌最牛逼之处可能是，使用机器学习技术给课程生成了全套中文音频和中文PPT，还全部内嵌到了课程视频里。神奇！文摘菌从来没见过这种操作。

也就是说，上方视频里大叔说的中文竟是AI给配音的！

让我们再来看看课程的配套练习。

下图是练习题所使用的ipython notebook云平台。学习者可以在浏览器内按照教程的提示直接运行代码，非常方便。同样的，页面可以在中英文之间随意切换。对比英文和中文界面，简直毫无机器翻译痕迹。

配套练习英文界面

配套练习中文界面

谷歌还提供了一份中英文对照的机器学习术语表，也是非常贴心了。

还在等什么呢？快打开链接学习吧！记得和文摘菌分享心得！

https://developers.google/machine-learning/crash-course/

大家好，我又回来了。

昨天突发奇想，当你把usb插进去的时候，能不能自动执行usb上的程序。查了一下，发现只有windows上可以，具体的大家也可以搜索（搜索关键词usb autorun）到。但是，如果我想，比如，当一个usb插入时，在后台自动把usb里的重要文件神不知鬼不觉地拷贝到本地或者上传到某个服务器，就需要特殊的软件辅助。

于是我心想，能不能用python写一个程序，让它在后台运行。每当有u盘插入的时候，就自动拷贝其中重要文件。

如何判断U盘的插入与否？

首先我们打开电脑终端，进入/Volumes目录，这时候插入U盘，可以发现它被挂载在了这个目录之下，也就是说，我们只要在固定时间扫描这个目录，当这个目录有新文件夹出现的时候，很可能有U盘被插入了。

我的设计是这样的，用time.sleep(3)函数，让程序保持运行状态，并且每隔三秒查看一下/Volumes/目录，如果多出来文件夹，就将其拷贝到另外的文件夹。

# encoding=utf-8from time import sleepimport os, shutilusb_path = "/Volumes/"content = os.listdir(usb_path) # os.listdir(路径)返回路径下所有文件以及文件夹的名称while True: new_content = os.listdir(usb_path) #每隔三秒扫描一次/Volumes/ if new_content != content: # 如果发现异常，即多出一个文件夹，则退出 break; sleep(3)x = [item for item in new_content if item not in content]# 找到那个新文件夹，返回包括新文件夹string类型名称的列表，这个表达方法很pythonicshutil.copytree(os.path.join(usb_path, x[0]), '/Users/home/usb_copy')# shutil.copytree 把目录下所有东西一股脑复制进/Users/home/usb_copy, # 放进了自己的home目录下

就像标题所示，我们真的只用了10行（其实是11行，凑个整：）完成了这个“病毒”。我们可以发现usb中的目录，在插入半分钟后全部躺在了home目录下了。

如何选择性的复制文件？

刚刚我们写了一个很简易的脚本测试了一下这个想法的可行性，但是还是有问题。刚才之所以能把U盘中所有文件很快复制进去，是因为U盘中只有两三个文件，大小不超过15M。如果目标U盘中有很多电影，音乐，这些我们并不需要的文件，我们的程序就应该能跳过它们，仅仅选择一些重要的比如.docx比如.ppt文件，或者仅仅复制最近修改过的那些文件，或者排除所有大小大于5M的文件。我们可以用python做到吗？当然！

os.walk 递归文件夹中所有文件

Python os.walk() 方法runoob

这里我放了一个别人的教程。大家可以大概了解一下，总之我大概理解是这么个东西。

还是举个例子吧。这里还是要推荐下小编的Python学习裙:【五 八 八，零 九 零，九 四 二】不管你是小白还是大牛，小编我都欢迎，不定期分享干货，包括小编自己整理的一份2018最新的Python资料和0基础入门教程，欢迎初学和进阶中的小伙伴。在不忙的时间我会给大家解惑。

我在某目录下创建了testwalk文件夹，里面有file123.txt三个文件，folder123三个文件夹，其中folder1中有文件file4.txt以及folder4

testwalk touch file1.txt file2.txt file3.txt testwalk mkdir folder1 folder2 folder3 testwalk cd folder1 folder1 touch file4.txt && mkdir folder4 folder1 cd .. # 上面创建了这些文件以及文件夹，你也可以在图形界面上创建 # tree 是个很好玩的命令，可以直观地显示文件路径 testwalk tree ./ testwalk/ ├── file1.txt ├── file2.txt ├── file3.txt ├── folder1 │ ├── file4.txt │ └── folder4 ├── folder2 └── folder3 4 directories, 4 files

现在我们来测试一下

import os for root, dirs, files in os.walk("./testwalk/"): for name in files: print(os.path.join(root, name)) for name in dirs: print(os.path.join(root, name)) ----------------------------------------------------------------------------- 运行结果： ./testwalk/folder1/file4.txt ./testwalk/folder1/folder4 ./testwalk/file2.txt ./testwalk/file3.txt ./testwalk/file1.txt ./testwalk/folder2 ./testwalk/folder3 ./testwalk/folder1

root存放的是当前位置，它会把./testwalk/下所有的文件夹作为根目录，往下搜索

for root, dirs, files in os.walk("./testwalk/", topdown=False): print(root) ./testwalk/folder2 ./testwalk/folder3 ./testwalk/folder1/folder4 ./testwalk/folder1 ./testwalk/

单独查看 dirs

for root, dirs, files in os.walk("./testwalk/"): for name in dirs: print(os.path.join(root, name)) ./testwalk/folder2 ./testwalk/folder3 ./testwalk/folder1 ./testwalk/folder1/folder4

单独查看 files

for root, dirs, files in os.walk("./testwalk/", topdown=False): for name in files: print(os.path.join(root, name)) ./testwalk/file2.txt ./testwalk/file3.txt ./testwalk/file1.txt ./testwalk/folder1/file4.txt

好了，我们现在需要递归usb文件夹，找到所有的file，查看大小，如果小于，比如3M，就拷贝进home，大于就舍去。

shutil模块

import shutil >>> help(shutil) >>> dir(shutil) ['Error', 'ExecError', 'SpecialFileError', 'WindowsError', '_ARCHIVE_FORMATS', '_BZ2_SUPPORTED', '_ZLIB_SUPPORTED', '__all__', '__builtins__', '__doc__', '__file__', '__name__', '__package__', '_basename', '_call_external_zip', '_destinsrc', '_get_gid', '_get_uid', '_make_tarball', '_make_zipfile', '_samefile', 'abspath', 'collections', 'copy', 'copy2', 'copyfile', 'copyfileobj', 'copymode', 'copystat', 'copytree', 'errno', 'fnmatch', 'get_archive_formats', 'getgrnam', 'getpwnam', 'ignore_patterns', 'make_archive', 'move', 'os', 'register_archive_format', 'rmtree', 'stat', 'sys', 'unregister_archive_format']

好吧，看不懂，还是得看官方文档。

现在我们拿刚才的文件夹举例子，如果想把file1.txt拷贝到folder2：

这里我们只要选择文件大小小于3M的即可，3M = 3 * 1024kB = 3 * 1024*1024byte

for root, dirs, files in os.walk(os.path.join(usb_path, x[0])): #MyUSB location for name in files: file = os.path.join(root, name) if os.path.getsize(file)

结合shutil.copy2就可以把选定大小的文件复制进我们的目标文件夹了

如何指定文件类型

这里就需要正则表达式来帮助我们了。

正则表达式内容很多，《python核心编程》中用了整整一章来讲，所以我们也不深入了。下面是官方文档，感兴趣的可以看一下。

7.2. re - Regular expression operations - Python 2.7.14 documentationdocs.python.org

如下，我们让指定文件后缀以及指定文件大小可以复制进我们的目标文件：

别忘了导入 re

import re ... regex_filename = repile('(.*zip$)|(.*rar$)|(.*docx$)|(.*ppt$)|(.*xls$)') for root, dirs, files in os.walk(os.path.join(usb_path, x[0])): #MyUSB location for name in files: file = os.path.join(root, name) if regex_filename.match(file) and os.path.getsize(file)

用更加复杂的正则表达式可以更好地指定文件类型

根据修改时间筛选文件

>>> from os.path import * >>> help(getmtime) getmtime(filename) Return the last modification time of a file, reported by os.stat(). >>> help(getctime) getctime(filename) Return the metadata change time of a file, reported by os.stat().

这时候我在目录下创建了一个文件叫做newfile

>>> getctime("newfile") 1522746383.716875 # 我们可以看到返回的time是从某个时间到现在的秒数，如需阅读，我们需要time.ctime来转换 >>> import time >>> time.ctime(1522746383.716875) 'Tue Apr 3 17:06:23 2018' # 这就是刚才创建的时间啦 >>> help(time.ctime)ctime(...) # 查看文档 ctime(seconds) -> string Convert a time in seconds since the Epoch to a string in local time. This is equivalent to asctime(localtime(seconds)). When the time tuple is not present, current time as returned by localtime() is used.

总之，对每一个文件进行修改时间的筛选可以只复制那些近期，或者特定时期修改或者添加过的文件，这个功能在特定情况下很有用。

总结

其实，标题这么起只是为了吸引大家注意，这就是一个小程序，也谈不上病毒。我更想通过这个例子，展示python对于文件处理的强大能力，引发大家的学习热情。以上实现都是基于macos，linux应该一样，windows稍加修改也可以成功。

选自GitHub

Bayesian Methods Research Group

机器之心整理

在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。

项目地址：https://github/bayesgroup/deepbayes-2018视频地址：https://youtube/playlist?list=PLe5rNUydzV9Q01vWCP9BV7NhJG3j7mz62PPT 地址：https://drive.google/drive/folders/1rJ-HTN3sNTvhJXPoXEEhfGlZWtjNY26C

教师

多数讲师和助教都是贝叶斯方法研究团队的成员以及来自世界顶级研究中心的研究者。很多讲师曾经在顶级国际机器学习会议例如 NIPS、ICML、ICCV、CVPR、ICLR、AISTATS 等发表过论文。贝叶斯方法研究团队已经开发了一系列的大学课程，包括贝叶斯方法、深度学习、优化以及概率图模型，拥有大量的教学经验。

学生

该夏季课程面向：

本科生（最好已完成至少两年的大学课程），以及拥有很强数学背景、具备足够机器学习知识（包括深度学习）的硕士生。想要扩展知识和技能的机器学习领域或相关领域研究者和行业专家。

学习本课程的必备基础

机器学习的扎实基础，熟悉深度学习。数学：熟练线性代数和概率论（很重要）。编程：Python、PyTorch 和 NumPy。Deep|Bayes 2018 夏季课程中使用英语，因此学生应该熟悉技术英语。

我在 Deep|Bayes 能学到什么？

贝叶斯方法为什么（在机器学习和日常生活中）这么有用？随机性到底是什么？隐变量模型。如何训练模型识别在训练前未知的模式？可扩展的概率模型。为什么将概率推断问题转换为优化问题是有用的？强化学习和贝叶斯方法之间的联系。如何训练随机计算图？自动 Dropout 率的微调。神经网络会过拟合吗？（会的）随机优化。如何以比计算一个点的函数值更快的速度来优化函数？

该课程的目标是展示在深度学习中使用贝叶斯方法可以扩展其应用范围，并提升性能。尽管机器学习中有很多不同的问题设定，但贝叶斯网络的概率推断可以用相似的方式来解决它们。你，心动了吗？

课程主要内容

整个课程涉及贝叶斯学习的方方面面，从最基础的贝叶斯原理到比较难的变分推断和马尔可夫链蒙特卡洛方法。以下展示了整个课程的主题列表，机器之心将简要介绍部分课程内容。

第一天：

贝叶斯方法简介贝叶斯推理隐变量模型和 EM 算法EM 算法

第二天：

随机优化简介可扩展贝叶斯方法变分自编码器狄利克雷隐变量

第三天：

变分推断高级方法变分推断视角下的强化学习强化学习分布式强化学习

第四天：

生成模型对抗学习扩展再参数化的技巧

第五天：

高斯过程贝叶斯优化深度高斯过程马尔可夫链蒙特卡洛方法随机马尔可夫链蒙特卡洛方法

第六天：

贝叶斯神经网络和变分 Dropout稀疏变分 Dropout 和方差网络信息瓶颈

整个课程需要六天才能完成，且每一天的的课程量都非常大，因此机器之心只简要介绍最基本的贝叶斯方法和隐变量模型，其中贝叶斯方法是整个课程的核心思想，而隐变量模型又是生成模型等很多高级方法的基础。

贝叶斯方法简介

我们首先围绕「盲人摸象」的例子来介绍贝叶斯定理，然后简单描述频率学派和贝叶斯学派的区别。

1 贝叶斯定理：

首先贝叶斯定理的基本形式为

即后验=似然度 x 先验/证据

形式化的样子是

现在我们开始讨论「盲人摸象」问题。

一群「盲人」在摸一头大象，试图猜测摸的是什么东西，然而没有一个人猜的是正确的。在不确定的世界里，这就是我们在用概率论理解世界时的样子。

为简单起见，我们把问题设置得简单一些：一群「盲人」在摸一头大象，并且知道这是一头大象，他们希望根据摸到的东西猜测大象的重量。

贝叶斯方法是怎么解决这个问题的呢？

我们假设这些盲人之间会互相交流观察结果，并且都拥有一定的共同常识，也就是对大象重量的最初猜测：

然后他们可以这样：

第一个人的观察结果是摸到了尾巴，以及尾巴的长度 y1，然后重新猜测大象的重量；

第二个人将第一个人的猜测作为先验，并且观察结果是摸到了肚子，以及肚子的面积 y2，然后再次猜测大象的重量；

第三个人同理，根据第二个人的猜测，继续观察、猜测……

在此过程中，他们一开始的共有常识、大象的猜测重量即先验 P(x)，第一个人的观察结果即似然度 P(y1|x)，观察结果本身出现的可能性就是证据 P(y1)，最后就得到的是 P(x|y1)，也就是根据观察结果 y 得到的大象重量为 x 的可能性（概率分布）：

而第二个人在此基础上，将能得到 P(x|y1,y2)：

第三个人将能得到 P(x|y1,y2,y3)……

好了，随着观察报告的增加，这头大象的重量也越来越藏不住了（峰值变得尖锐）：

当然，授课人在课程中会很详细地把概念一步一步讲清楚，包括条件分布、联合分布、边缘分布之间的关系，以及乘积规则、和规则的介绍，可以把上面这个例子涉及的各个概念串联起来，帮助学生理解得更加透彻。

2 频率学派和贝叶斯学派的联系和区别：

频率学派不假设任何的先验知识，不参照过去的经验，只按照当前已有的数据进行概率推断。而贝叶斯学派会假设先验知识的存在（猜测大象的重量），然后再用采样逐渐修改先验知识并逼近真实知识。但实际上，在数据量趋近无穷时，频率学派和贝叶斯学派得到的结果是一样的，也就是说频率方法是贝叶斯方法的极限。

以上就是贝叶斯方法的基础理论部分的大致内容，之后还有生成、判别模型的区别，贝叶斯训练过程以及贝叶斯方法优势的讨论。

隐变量模型

前面简要介绍了贝叶斯方法的核心思想贝叶斯定理，而在这一章节中，Dmitry Vetrov 重点介绍了隐变量模型。隐变量模型是很多复杂方法的基础，例如在变分自编码器这一生成模型中，我们希望将图像压缩为一系列的隐变量，这些隐变量表示了图像的高级语义信息，例如图像主体的倾角、颜色和位置等。

这一部分我们会根据 Dmitry Vetrov 介绍的内容讨论隐变量模型的直观概念、KL 散度、混合分布和变分下界等。

如前所述，VAE 最大的优势即中间编码的短向量代表了图像的某些语义特征，但又因为我们不能明确地知道具体是哪些图像特征，因此我们可以把这个短向量称之为隐变量。直观上来说，完全从整体上一个个像素生成图像是非常困难的，因为我们需要考虑的可能性太多。而如果先决定要生成图像的特征，再根据这幅蓝图生成图像就会容易很多。

VAE 正是这样，先学习如何将图像正确地压缩为一组隐变量，然后再学习如何根据隐变量生成图像。当模型完成学习后，我们给定任意一组隐变量，模型都会尝试生成正确的图像。这也就是隐变量模型的直观概念。

KL 散度一般作为两个分布间距离的度量方法，它常用于生成模型的损失函数。以下展示了 KL 散度的直观理解，即分布 Q(z) 与分布 P(Z) 之间越重合，那么 KL 散度就越小，两个分布之间的距离就越近。

在离散型变量的情况下，KL 散度衡量的是，当我们使用一种被设计成能够使概率分布 Q 产生的消息的长度最小的编码，发送包含由概率分布 P 产生的符号的消息时，所需要的额外信息量。KL 散度有很多有用的性质，最重要的是它是非负的。KL 散度为 0 当且仅当 P 和 Q 在离散型变量的情况下是相同的分布，或者在连续型变量的情况下是 『几乎处处』相同的。

随后 Dmitry Vetrov 展示了隐变量建模的案例，如果我们有一些服从未知高斯分布的样本，那么我们可以用最大似然估计或点估计等方法将该未知分布的均值和方差推断出来。

而现在如果我们假设有一组采自不同高斯分布的样本，且我们需要估计这些高斯分布的参数。这个问题看上去不能解决，但如果我们知道哪些样本是从具体哪一个高斯分布中采样，这个问题就比较容易解决。

但是如果我们不知道样本是从哪个高斯分布中采样的，那么我们就只能使用隐变量模型。它主要的思想即先估计这些样本属于哪一个高斯分布，也就是将样本映射到隐变量「均值」和「方差」。然后再基于隐变量完成对三个高斯分布的建模。

随后顺着这个想法，我们可以构建一个混合高斯模型，并希望将数据编码为隐变量 Z，再根据该隐变量完成建模。如下所示当我们不知道隐变量 Z 的情况下，最大化从 Z 中采样出样本 X 的概率，就能推导出最大化变分下界，这也是变分自编码器最核心的表达式。

变分自编码器中最大化变分下界（ELBO）就可以作为整个模型的优化目标，或者说整个模型的损失函数。在上面的案例中，最大化这个变分下界就代表着找出一些高斯分布，且每一个样本都最可能属于某个高斯分布。

整个课程介绍了非常多的理论知识，尤其是关于贝叶斯学派的各种理论。如果读者对数学比较有自信的话，可以详细学一学该系列教程。

扫描下图二维码，参与Arm人工智能开发者全球峰会↓

今天刚好手上没有活，就打开自己的百家号看一下，原来最近更新一次状态是2018-8月份了哈，也是前段时间手头上的活，一个接一个，都没有时间来写这些教程了。

现在这段时间开发也在努力写代码当中，我倒是一下没有空做了，就趁这个时间段，把自已手动写自动化测试框架这个文章写出来吧，先写web版的，后续app自动化测试python+appium这一方面的教程，看情况而定。

写教程的目的，一个是为记录自己的工程经历，一个也是积累自己的技术吧，当然也可以把文笔先好一点。

先简单的说一下，我这次写测试框架所需要的资料清单罗列一下：

1、操作系统:windows 7/10

2、脚本语言：python 3.6

3、IDE：Pycharm

4、测试报表文件:HTMLTestRunner.py

这次课程简单做了一个PPT截图如下:

相关搜索

• 自动化测试框架
• 脚本语言有哪些
• 最简单的编程语言
• 自动化测试培训
• python
• windows

大家有没有觉得，在规定的工作和学习时间内，大家的工作和学习效果都是一样的，但是每次放假结束后再见到身边的人却又感觉有哪里稍微有点不一样。这种差距在哪里？最明显的不同就在于别人可以立刻回到工作状态，而你却还需要一段很长的适应期，导致工作效率大幅下降。

其实他们的秘密很简单，就是在放假游玩的闲暇之余仍在坚持做着与工作相关的事情，或者学习与工作有关的相关技能，保持工作状态不断电，让思想时时刻刻都在线！

下面我为大家推荐8个网易云课堂的免费课程（完完全全确确实实的免费哦！），如果你是职场小白，那么你完全需要这个系列课程来提升自己；如果你是职场老手，那么这个系列课程也会让你温故而知新，能够让你对自己的工作和生活产生新的理解和体验。

免费课程1：《提高办公效率必学的键盘操作技巧》

讲 师：小黑老师

推荐理由：系统的学习键盘操作技巧，让你的办公效率提高数倍，轻松撕掉电脑小白的标签，成为电脑高手你也可以。适用于对键盘没有系统认识的学员，不能熟练使用键盘的学员。如果您自认为是键盘操作高手，可以忽略此课程。

免费课程2：《PPT从菜鸟到高手实用教程》

讲 师：一名热爱设计的PPTer，资深PPT设计师，锐普首批认证设计师，演界网十佳设计师。

推荐理由：本课程内容包括软件应用基础，进阶高效技能，经典案例实操，知识系统全面，注重实际需求，制作精良完整。每节课5分钟左右，简短精讲，聚焦知识点，易学易懂。

免费课程3：《玩转Excel报表制作》

讲 师：来自不同的讲师机构

推荐理由：无论你在什么单位，从事什么工作，会做、会看报表都是非常重要的！而Excel作为常用的办公软件之一，用它来处理数据方便、快捷。那么，怎样使用EXCEL制作报表呢？这些课程让你迅速上手，再也不用担心老板要你交报表啦！

免费课程4：《零基础入门学习Python》

讲 师：小甲鱼

推荐理由：完全零基础入门，不需要任何前置知识。面向零基础的同学，是一个深入浅出，通俗易懂的Python3视频教程。前边13个章节从一个小游戏引入Python，逐步介绍Python的语法以及语言特色。最后3个章节为案例的演示，是前边内容的总结和提高。

免费课程5：《时间管理入门－时间管理的12个技巧》

讲 师：李长太

推荐理由：感觉时间管理不够好？感觉忙来忙去经常忘事？这篇时间管理学习课程适合你，属于入门级课程.

免费课程6：《轻松读书51：高效能人士的七个习惯》

讲 师：学以思网络课堂，读好书，get 实用技能

推荐理由：成为高效能人士，能让你的工作更高效，生活更开心。

本次轻松读书由轻松读书活动发起者——波波羊大叔为大家分享经典的《高效能人士的七个习惯》一书，共同学习高效习惯的秘密！

免费课程7：《信任五环：超级销售拜访技巧》

讲 师：老寒v夏凯

推荐理由：在客户的采购过程中，谁忽略了客户头脑中的认知和想法，谁就在和客户进行抗争。如果销售人员无视客户意识之中的真实想法，而一味地介绍自己的产品或公司，或自以为知道地判断客户的想法，那对客户来讲就是一种“采购权和选择权的剥夺”，客户会视为对他们的侵害。

一名出色的销售，要学会抑制自己说话的冲动、思考的冲动、人性本能的冲动，去迎合客户的想法。所以，销售不仅是一门行为学，更是一门逻辑学、心理学、语言学。

一名出色的分析师，不仅仅要懂数据，还要懂业务，只有这样才能更好的使用数据去指导业务，减少数据分析部分和业务部门的分歧与隔阂。

免费课程8：《EDP：职业生涯规划与事业发展》

讲 师：陈玉国

推荐理由：你是否一直勤奋努力，却对未来一片迷茫？你是否不满意现在的工作，经常跳槽？但却为了跳槽而跳槽，不知道为什么跳槽？你想让自己的职业生涯越来越好，可是你不知道如何目标导向，不了解自己，不知道自己的优势在哪里？

这是一个通用型的职业生涯规划与发展课程，是和每一个正在职业道路上不知所措的年轻人。

最后一句话：

一个人的职业虽然并不是永久固定的，但它却是我们生命中每一个人生转折的忠实记录者，生命不息，工作不止。同时它也是我们人生价值和理想的见证者，套用张嘉佳的一句话说：唯有工作，方能陪你从清晨到夜晚，方能陪你从山野到书房；也唯有工作，方能贯彻未来，陪你数遍生命的公路牌。

另外：如果你已经有了属于自己的TA，那么假期学习这个《手机摄影高手速成》课程就非常适合你。国庆你要给女朋友拍照吧，这时候你就知道有多实用了。女生可以把这个课程发送给自己的男友。朋友圈国际摄影大赛，已经开赛！