为什么 Python 开发者更倾向于选择 Django 呢？
如果你想找一份 Python Web 开发的工作，Django 就是你的必备技能。
虽然上手容易，但想学好、用好 Django，还是要费不少力气的，比如：
因为 Django 功能强大，导致很多人自学时要花费很长时间；
遇到复杂问题时，单靠 Django admin 无法满足业务需求；
要在现有企业系统添加管理后台时，感觉无从下手；
其实，
Django
各项
功能的掌握路径是有迹可循的，对于复杂问题，Django 提供了极好的扩展性来支持定制开发
；
对已有系统的集成，
它
也提供了相应
解决
方案。
但
在实际工作中，除了功能
的
实现，系统的性能
，
可维护性
，
安全性，自动化的发布，自动化的监控
，这些
也非常重要。
那么，在具备了 Django admin 开发能力后，
如何在 2 天内开发出一个可交付的企业管理系统？
要做到这一点，不仅需要技术过硬，还需要一定程度的产品能力——资深技术人必备的系统设计和规划能力（这些能力在实际工作中非常重要，但市面上的资料很却少提及）。
吕召刚
《Django 快速开发实战》
在课程中，他不仅讲解了 Django 应用部署及安全防护方法、云环境下的容器编排与 CI/CD 流程，还梳理出项目设计中常见问题的架构处理思路，以及两天内交付 Django 项目的开发策略——通过几个实战项目，将一个复杂的产品拆解成不同模块，由浅入深迭代，直到完成一个完整的产品开发，在实战中带你学习 Django 开发的相关技能。
秒杀+
口令
「Django123」
立省 ¥110
到手半价
¥89，
即将涨价至 ¥199
课程中的内容全面且系统，除了 Django 的用法外，还有 sentry，celery、监控、容器、k8s、安全部署、CICD 等等，甚至快速迭代、产品设计的一些理念，知识覆盖面非常广，特别适合 Django 初学者。
我自己用 Django 有三四年了，平时给公司做一些内部系统，基本上日常的业务开发需求都能 hold 住，但感觉很难深入底层，再进一步。直到遇到这门课，跟着课程完成 recruitment 项目创建，打开页面和管理后台，眼前一亮。
吕召刚高屋建瓴的讲解方式，帮我把之前掌握的零散知识都串联起来，形成了完整的 Django 知识体系，发现了很多之前忽略的问题和盲区，后半部分的产品方法论和学习之道同样让我受益匪浅，真心感谢。
别的不说，就 Python web 线上部署来说，我就没见过比这个讲得更好的资料，不仅限于一二三的步骤，还有方方面面涉及的其他知识点，可谓良心。
光我说不算，截了一些留言供你参考：
总结了一下，跟老师学完这个课，你可以掌握这么几个技能：
1、掌握 Django 管理后台的定制方法以及如何添加定制的功能；
2、理解 Django 中间件的工作原理，能够设计实现一个中间件；
3、用 Django 为企业现有的系统快速搭建管理后台：ERP、CRM 系统等等；
4、理解精益创业的产品思维：通过分析产品中的核心功能等操作，在 2 天内交付一个功能完备且投入使用的产品。
更多详细内容，可以看看目录。
学习对于大多数人来说都是枯燥的，所以“正反馈”格外重要。
这个课，我已经学到上头了，老师是手写代码，手把手教，每节课都能体验到“升级打怪”的乐趣，也是挺爽的。毕竟，吃学习的苦，总好过吃生活的苦。
特意给大家申请了粉丝专属优惠：
专栏即将
涨价至￥199
现秒杀+
口令
「Django123」
到手仅￥89
，相当于
半价入手
口令仅
「前 50 人」
有效
点击「阅读原文」
输入粉丝
专享口令
「Django123」
半价秒杀！
原文链接
大数据文摘授权转载自机器人大讲堂 折纸鹤是很多人儿的回忆，用不同的彩纸叠出各式各样的千纸鹤，可以说是当时小姐妹们最喜欢做的事情之一。 当时还有个传说称“只要折够一千只纸鹤，愿望就能成真”，折一千只纸鹤？光是想想手都酸了。 也许有一天，纸鹤也能自动折叠？ 最近，一只神奇的纸鹤登上了《Science Robotics》的封面，它能在100毫秒内自动折叠，并且大小只有几十微米，比头发丝的直径还小！被称为“世界上最小的纸鹤”。 这只纸鹤来头可不小，它诞生于康奈尔大学，是由中国学者刘清坤联合多位来自原子纳米、机械、物理和电气工程等领域的科学家研发的。 “世界上最小的纳米级纸鹤”——形状记忆功能的微型驱动 这支纸鹤可不是个玩具，它是一个微型机器人，或者说得更学术些——一个具有形状记忆功能的微型驱动器。 要制作一个自主运动的微型机器人，那么它需要一个类似计算机CPU的“大脑”，这时，互补金属氧化物半导体（CMOS）晶体管发挥了作用，该晶体管可以作为机器人上的计算机芯片，其侧面为100微米。 那什么是形状记忆功能呢？ 我们之前介绍过形状记忆合金，和它类似，
新智元报道 来源：Github 编辑：LZY 【新智元导读】 TensorFlow为什么能成为最出色的机器学习库呢？ 主要有三个原因： 1. 机器学习专业知识：Google是机器学习中的主导力量。它在搜索中的突出地位很大程度上归功于它在机器学习中取得的长足进步。 2. 可扩展性：该公告指出TensorFlow最初是为内部使用而设计的，并且已经针对某些实时产品功能投入生产。 3. 能够在Mobile上运行。 这最后一个原因也是这篇文章的运行原因，因为我们将重点关注Android。 如果您在GitHub上检查tensorflow回购，您会发现一个小的 tensorflow / examples / android目录。 接下来将介绍Android TensorFlow示例以及一些正在进行的事情。 手机上的应用程序通过您的相机瞥了一眼，并试图识别它看到的对象。有时它做得很好，有时它不能完全固定住对象，有时甚至会引发令人发指的猜测！ 下图就是一个说明，总的来说，这感觉很神奇！ App通过在设备上的TensorFlow中运行的捆绑式机器学习模型来完成这一壮举（无需网络调用后端服务）。 该模型针对数百万张图像进行了训练，因此它可以查看相机为其提供的照片，并将对象分类为最佳猜测（根据已知的1000个对象分类）。 连同其最佳猜测一起，它会显示置信度得分，
