学习指南（一）

目录

工具

Pycharm&&Anaconda 

VSCode&&Anaconda

Jupyter notebook

Md扩展

Linux环境

论文

Latex

插图工具

Python

快乐编程

数据分析

快乐爬虫

生物信息库

RDkit

Openbabel

 PyBioMed

机器学习

机器学习入门

机器学习算法

Scikit-learn 

机器学习百科全书

深度学习

三个深度学习库

深度学习算法

团队的算法

后话

---

这里是一个相对比较全的学习指南。

这一篇主要是针对算法和代码，有点硬核。

请根据自己的任务来选择要学习的内容，针对性的学习。

工具

对于代码而言，首先要解决一下IDE的问题。环境方面我们用anaconda环境，IDE我们在VSCode和Pycharm(专业版)中二选一。

两者均未用过的，优先选Pycham，相对更加友好。

Pycharm&&Anaconda 

2024Pycharm IDE激活码【亲测有效】_pycharm密钥-CSDN博客（专业版pycharm下载）

超详细的pycharm+anaconda搭建python虚拟环境_pycharm anaconda环境搭建-CSDN博客（pycharm+anconda）

10个的常用PyCharm插件-CSDN博客(常见的插件，想用自己可以下)

VSCode&&Anaconda

Anaconda + VS Code 的安装与使用_anaconda vscode-CSDN博客（vscode+anaconda）

Jupyter notebook

用于学习和实验。Pycharm专业版可以直接用（直接创建.ipynb文件即可），Pycharm社区版用不了（这也就是为什么我们用专业版），VSCode下载一个Jupyter插件就可以用了。

Md扩展

Markdown 是一种轻量级的标记语言，它允许人们使用易读易写的纯文本格式编写文档。Markdown 的目标是实现“易读易写”，总而言之，就是写起来比word快，哈哈哈。

可以使用专业的markdown软件——typora，但是要钱，但是可以pojie，但是其实也没有太大必要，但是你想专业一点也可以。

可以直接使用Pycharm或VSCode，两者用法一样，直接下载markdown的相关插件即可。

下面是一些markdown的基础教程（感兴趣者可以看看）：

手把手教会你使用Markdown【从入门到精通一篇就够了】-CSDN博客

Markdown语法教程（超详细）-CSDN博客

Linux环境

有代码任务以及需要与Linux服务器交互者，可以下载这个：

家庭/学校免费 - NetSarang Website

用于和Linux服务器交互，conda相关的指令以及Linux常见的指令也需要掌握。可以私信我拿到连接的私钥文件。

此外，VSCode和Pycharm（专业版才行，这是我们要专业版的第二个理由）可以直接SSH环境，具体可以查相关教程。

论文

Latex

Latex是一个专业的写作软件（markdown追求轻量，Latex追求专业，word追求直观的操作）。

写Latex的工具有很多。

用在线工具，点链接直接跳转：Overleaf, 在线LaTeX编辑器

可以在Pycharm或VSCode中做Latex的扩展，实现过程有点小麻烦，可以上网查。

可以直接用本地的工具，还挺多：实用的 LaTeX 编辑器_latex编辑器-CSDN博客

Latex的体系还挺大的（有一说一，个人感觉，比Python难），这里有一个还不错的文章：【论文写作】LaTeX学习笔记：一文入门LaTeX（超详细）-CSDN博客

当然，Latex远远不止这些，光是公式编辑就有一堆东西了。

插图工具

论文中的插图，一般是用PPT和PS。

我就不班门弄斧了。

有问题多请教师姐。

Python

快乐编程

Python是干生信的基本功，计划在该行业发展的自然要把它学好。

无python基础者可以上B站：

你觉得自己这辈子都学不会编程？超超超基础Python课程，3小时快速入门 【自学Python教程合集】【3小时快速入门Python】_哔哩哔哩_bilibili

有基础者可以看这个，下面这个是一个系列，下面有一堆东西，只是讲得有些简略，看不懂的再搜相关博客或者开源网站补补就OK了。学1-14就差不多了。

Python 基础（一）：入门必备知识_python1基础学习-CSDN博客

下面这个挺全，挺适合学习和查漏补缺，虽然要9块9。上面写了100天，其实只是他一天写一篇，写了100多篇而已，而不是真的要学那么久。

100天精通Python_袁袁袁袁满的博客-CSDN博客

数据分析

首先就是数据分析三剑客：numpy pandas matplotlib。

粗鲁来讲，一个算向量和矩阵的，一个做表的，一个画图的。（之所以说“粗鲁”，因为它们三的能力可不止这么简单哈哈哈）

这三个东东总给人一种怎么学都学不完的感觉......学浅也可，学深也可......

三种学习思路，三选一即可

可以用菜鸟教程学：

NumPy 教程 | 菜鸟教程

Pandas 教程 | 菜鸟教程

Matplotlib 教程 | 菜鸟教程

如果花9块9买了之前那个专栏，也可以直接用那个来学。另外，这个专栏还有seaborn bokeh pyecharts等画图教程。

100天精通Python_袁袁袁袁满的博客-CSDN博客

也可以直接上B站，搜“数据分析三剑客”。

快乐爬虫

目的是和各种生信数据库和各种开源网站快乐的打交道。有这些常见的库：

requests：不管三七二十八，先得连上去。

re：不变应万变，粗暴但有用。

bs4：这个最容易上手，十分适合速成，但其实写起来慢。

lxml：主要是为了xpath，这个路径表达式可以直接精准制导，比bs4快多了。

selenium：可以模拟“屏幕前的人类”去点击，另外，觉得它过时了，derisionpage也行。

最好用过scrapy框架，虽然我们的项目大概率不会用，但是毕竟可以提高工程能力。

其他的如pyquery、多进程/线程、异步、写html都没太大必要。

可以在博客或者知乎上挨个挨个学（更快），嫌麻烦可以直接看这个：2023最新最全python爬虫教程【Scrapy框架+js逆向 +分布式爬虫】这还学不会，你来找樵夫！_哔哩哔哩_bilibili

生物信息库

知道常用的功能即可，没必要全都记住（毕竟随时可以查文档，也可以问ai，哈哈哈）

RDkit

最重要的生物信息库，重点要了解几种分子对象、分子指纹、化学性质等。

英文官网：The RDKit Documentation — The RDKit 2024.09.1 documentation

中文教程：RDKit中文教程 — RDKit 中文教程 2020.09 文档

Openbabel

感觉没必要了解太多，在我们已有的项目中这个库主要是用来做一个格式转化的。

英文官网：Open Babel - the chemistry toolbox — Open Babel openbabel-3-1-1 documentation

 PyBioMed

这个似乎用的更少，几乎不需要掌握。

官网：The PyBioMed Documentation — PyBioMed 1 documentation

机器学习

首先声明，学机器学习和学机器学习库是两码事。没有代码任务的成员可以学一下前者。

机器学习入门

机器学习入门，还是一如既往的首推吴恩达，只看第一和第二部分。第三部分的无监督学习我们用不着。(超爽中英!) 2024公认最好的【吴恩达机器学习】教程！附课件代码 Machine Learning Specialization_哔哩哔哩_bilibili

机器学习算法

传统机器学习算法无需精通，毕竟我们用的是深度学习算法。

了解常见的机器学习算法，可以看这个五分钟机器学习：五分钟机器学习的个人空间-五分钟机器学习个人主页-哔哩哔哩视频

也可以看我的博客（）：机器学习&深度学习_入门笔记_千233的博客-CSDN博客

Scikit-learn 

听说打过数模的对这个库都挺熟。

Python最重要的机器学习库，网上的教程很多，另外根据学习的深浅学习的思路也不一样，这篇文章还不错：全网最全的Scikit-Learn学习手册！-CSDN博客

也可以在实战中学（更推荐）：阿里云天池大赛赛题解析-机器学习篇。这本书有多个案例，跟着做完一个就对scikit-learn就挺熟悉了。
链接：https://pan.baidu.com/s/1ouMWfEmPigQlwamy4t29TA?pwd=aaoe 
提取码：aaoe

机器学习百科全书

这个真的是一个百科全书，供查阅各种数学和算法基础，也可以用于帮助整理问答集。

博客目录与概览_个人博客系统查阅资料目录-CSDN博客

深度学习

核心部分。看完之前的吴恩达教程就可以开干了！

三个深度学习库

Pytorch和tensorflow两个至少掌握一个（推荐Pytorch，当然两个都会更好哈哈哈），deepchem必须会。

Pytorch可以先从B站的小土堆开始（虽然他重点讲的是卷积神经网络），教程中的环境搭建有点麻烦（不是教程的错，是因为真的麻烦），可以用实验室的环境：PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili

顺便这里也提一下Pytorch的官网：PyTorch

Deepchem用起来很方便，直接看官网即可：DeepChem

深度学习算法

如果想由下向上学好深度学习的话，一般我们都是看沐神（前排提醒，有难度！而且不低！）

视频里面xxx的详细代码实现不用看，直接看简洁版实现即可。代码细节没必要扣，理解意思即可。

看李沐的教程主要是看CNN系列和RNN系列，中间一些CV和NLP领域的知识我们自然不用看。另外，李沐的课程到了Transformer后难度会突然暴涨，对学习者极不友好。所以到Transformer及以后就不看了，看其他的教程。

视频：跟李沐学AI的个人空间-跟李沐学AI个人主页-哔哩哔哩视频

教材：《动手学深度学习》 — 动手学深度学习 2.0.0 documentation

团队的算法

如果认为没太大必要从下往上一步步学深度学习的话，可以直接看这里（虽然有些难度）。

团队项目中使用到的模型框架和深度学习算法在这里：

深度学习_千233的博客-CSDN博客

从Transformer开始写起，里面提到了团队所用到的算法以及学这些算法前需要学会的算法，在持续更新ing......

后话

学代码遇到不会的，一般可以这样做：

CSDN - 专业开发者社区

Kimi.ai - 会推理解析，能深度思考的AI助手

有能力可以多逛逛开源社区：

GitHub · Build and ship software on a single, collaborative platform · GitHub