Python 仅仅是作为语言工具，掌握基础语法即可。重点学习，应该还是机器学习里面涉及到的机器学习的一些库，以及常用的机器学习框架等内容。
-
Matplotlib数据绘图（详细教程点击标题）:Matplotlib常用的绘图方法，需要掌握其绘图常用的方法以绘制各种统计图，功能很是强大，在数据处理时和算法调优时会用到，使用图像可以使我们清晰的看到数据分布和算法调优过程
-
Numpy:（详细教程点击标题）NumPy 强大的高维度数组处理与矩阵运算。除此之外，NumPy 还内建了大量的函数，方便你快速构建数学模型。
-
SciPy科学计算
-
Pandas时间序列数据处理:（详细教程点击标题）主要利用 Pandas 对数据集进行快速读取、转换、过滤、分析等一系列操作。同样，Pandas 已经被证明为是非常强大的用于处理时间序列数据的工具。需掌握所有 Pandas 在时间序列数据上的处理方法。
-
PyTorch 深度学习:（详细教程点击标题）学习 PyTorch 的基础语法，了解 Autograd 自动求导机制，并最终利用 PyTorch 构建可用于图像分类任务的人工神经网络。
-
TensorFlow深度学习:使用 TensorFlow 搭建神经网络常用的低阶 API 和其集成的高阶 API ：Keras。
-
TensorFlow2:（详细教程点击标题）2019 年，TensorFlow 正式推出了 2.0 版本，也意味着 TensorFlow 从 1.x 正式过度到 2.x 时代。深度学习框架，由谷歌公司开发，现在已经市面上是用最多的深度学习框架，当中实现了很多深度学习算法，神经网络。（深度学习重点）
-
sklearn库:（详细教程点击标题）机器学习阶段所使用的库，当中实现了大部分机器学习所用到的算法，包括参数调优都是非常的方便。（机器学习重点）