Python是当之无愧的热门语言，尤其是AI人工智能开发。掌握基本语言后，有了一定编程知识，还是感觉无从下手，不会编程，怎么办？
没有捷径，为了适应公司的真实项目开发，就要多写代码，多总结，逐步积累自己的知识库和实际经验。
一，多写代码
推荐一个在线编程网站，HackerRank，看名字就知道很牛，Hacker排行榜，里面有多种编程语言，不同难度、针对初学者的编程练习题。
1，注册账号，登录，选择要练习的Python语言
2，选择题目，可以筛选难度、功能类别
3，编写代码，运行，通过测试后提交
4，积累到一定分数后，获得Python勋章
网站功能还有成绩查询、榜单排名、参加竞赛等。
二，参加开源项目
现在Python是一门使用非常普遍的开发语言，尤其是在AI软件开发领域。多到Github上面寻找，选择有兴趣的开源项目，尝试参与开发。
1. 选择有兴趣的项目，仔细阅读文档和代码，查看历史提交记录，这个过程本身也能学到很多知识
2. 阅读代码，重点理解怎么写？为什么这样写？有没有更好的写法？
3. 按照开源社区的代码标准，开发提交代码，完成单元测试
三，开源项目实例：fastHan汉语词法分析
fastHan基于fastNLP与pytorch实现中文自然语言处理，内核基于BERT联合模型，在13个语料库中进行训练，可处理中文分词、词性标注、依存分析、命名实体识别四项任务。
值得称赞的是，fastHan作者是复旦计算机教授，非常优秀的开源项目。汉语分词，性能杠杠的，亲测有效。
Python运行环境，安装简单：
pip install fastHan==1.3
注意依赖包：
torch>=1.0.0
fastNLP>=0.5.0
使用时只需两步：加载模型、输入句子。
from fastHan import FastHan
model = FastHan()
sentence = "国产人工智能，汉语分析开源项目。"
print(sentence)
answer = model(sentence)
print(answer)
注意首次初始化模型时，将自动从服务器中下载模型数据，并且可以指定large版本，默认base。
model = FastHan(model_type="large")
模型分词时，可以指定target参数，可选"Parsing", "CWS", "POS", "NER"，默认CWS。
print(model(sentence, target="NER"))
#python#
