首先謝謝邀請，關于進階可以看一些方向性書籍python之所以火是因為人工智能的發展，個人整理學習經驗僅供參考！
感覺有本書你學的差不多了就基本具備了一名合格的python編程工程師,不過可惜的是這本書沒有電子版，只有紙質的。
第 1章 從數學建模到人工智能
1.1 數學建模1.1.1 數學建模與人工智能1.1.2 數學建模中的常見問題1.2 人工智能下的數學1.2.1 統計量1.2.2 矩陣概念及運算1.2.3 概率論與數理統計1.2.4 高等數學——導數、微分、不定積分、定積分第2章 Python快速入門2.1 安裝Python2.1.1 Python安裝步驟2.1.2 IDE的選擇2.2 Python基本操作2.2.1 第 一個小程序2.2.2 注釋與格式化輸出2.2.3 列表、元組、字典2.2.4 條件語句與循環語句2.2.5 break、continue、pass2.3 Python高級操作2.3.1 lambda2.3.2 map2.3.3 filter第3章 Python科學計算庫NumPy3.1 NumPy簡介與安裝3.1.1 NumPy簡介3.1.2 NumPy安裝3.2 基本操作3.2.1 初識NumPy3.2.2 NumPy數組類型3.2.3 NumPy創建數組3.2.4 索引與切片3.2.5 矩陣合并與分割3.2.6 矩陣運算與線性代數3.2.7 NumPy的廣播機制3.2.8 NumPy統計函數3.2.9 NumPy排序、搜索3.2.10 NumPy數據的保存第4章 常用科學計算模塊快速入門4.1 Pandas科學計算庫4.1.1 初識Pandas4.1.2 Pandas基本操作4.2 Matplotlib可視化圖庫4.2.1 初識Matplotlib4.2.2 Matplotlib基本操作4.2.3 Matplotlib繪圖案例4.3 SciPy科學計算庫4.3.1 初識SciPy4.3.2 SciPy基本操作4.3.3 SciPy圖像處理案例第5章 Python網絡爬蟲5.1 爬蟲基礎5.1.1 初識爬蟲5.1.2 網絡爬蟲的算法5.2 爬蟲入門實戰5.2.1 調用API5.2.2 爬蟲實戰5.3 爬蟲進階—高效率爬蟲5.3.1 多進程5.3.2 多線程5.3.3 協程5.3.4 小結第6章 Python數據存儲6.1 關系型數據庫MySQL6.1.1 初識MySQL6.1.2 Python操作MySQL6.2 NoSQL之MongoDB6.2.1 初識NoSQL6.2.2 Python操作MongoDB6.3 本章小結6.3.1 數據庫基本理論6.3.2 數據庫結合6.3.3 結束語第7章 Python數據分析7.1 數據獲取7.1.1 從鍵盤獲取數據7.1.2 文件的讀取與寫入7.1.3 Pandas讀寫操作7.2 數據分析案例7.2.1 普查數據統計分析案例7.2.2 小結第8章 自然語言處理8.1 Jieba分詞基礎8.1.1 Jieba中文分詞8.1.2 Jieba分詞的3種模式8.1.3 標注詞性與添加定義詞8.2 關鍵詞提取8.2.1 TF-IDF關鍵詞提取8.2.2 TextRank關鍵詞提取8.3 word2vec介紹8.3.1 word2vec基礎原理簡介8.3.2 word2vec訓練模型8.3.3 基于gensim的word2vec實戰第9章 從回歸分析到算法基礎9.1 回歸分析簡介9.1.1 “回歸”一詞的來源9.1.2 回歸與相關9.1.3 回歸模型的劃分與應用9.2 線性回歸分析實戰9.2.1 線性回歸的建立與求解9.2.2 Python求解回歸模型案例9.2.3 檢驗、預測與控制第10章 從K-Means聚類看算法調參10.1 K-Means基本概述10.1.1 K-Means簡介10.1.2 目標函數10.1.3 算法流程10.1.4 算法優缺點分析10.2 K-Means實戰第11章 從決策樹看算法升級11.1 決策樹基本簡介11.2 經典算法介紹11.2.1 信息熵11.2.2 信息增益11.2.3 信息增益率11.2.4 基尼系數11.2.5 小結11.3 決策樹實戰11.3.1 決策樹回歸11.3.2 決策樹的分類第12章 從樸素貝葉斯看算法多變 19312.1 樸素貝葉斯簡介12.1.1 認識樸素貝葉斯12.1.2 樸素貝葉斯分類的工作過程12.1.3 樸素貝葉斯算法的優缺點12.2 3種樸素貝葉斯實戰第13章 從推薦系統看算法場景13.1 推薦系統簡介13.1.1 推薦系統的發展13.1.2 協同過濾13.2 基于文本的推薦13.2.1 標簽與知識圖譜推薦案例13.2.2 小結第14章 從TensorFlow開啟深度學習之旅14.1 初識TensorFlow14.1.1 什么是TensorFlow14.1.2 安裝TensorFlow14.1.3 TensorFlow基本概念與原理14.2 TensorFlow數據結構14.2.1 階14.2.2 形狀14.2.3 數據類型14.3 生成數據十二法14.3.1 生成Tensor14.3.2 生成序列14.3.3 生成隨機數14.4 TensorFlow實戰希望對你有幫助！！！
貴在堅持，自己掌握一些，在工作中不斷打磨，高薪不是夢！！！
謝邀！
作為計算機入門的話我推薦清華大學出版社的《計算機基礎》這本書，從基礎了解計算機的相關知識，發現自己的興趣點，是硬件、軟件還是網絡
如果你對網絡感興趣的話推薦電子工業出版社的《計算機網絡》這本書，這本書比較系統的介紹了計算機網絡的體系結構
硬件方面我比較推薦電子工業出版社的《計算機組成原理》，這也是國家級規劃教材，很多高校都將其列為必學科目，這本書詳細介紹了計算機的組成和工作機制
軟件編程方面入門的話語言選一門編程語言，我個人比較推薦目前比較火的Python，這門需要簡單易懂，容易入門，書的話可以我比較推薦人民郵電出版社的《Python編程：從入門到實踐》，這也是我接觸到的第一本Python的書。
希望我的回答能夠對你有所幫助。
找個入門的基礎書籍就可以了，比如《Python編程 從入門到實踐》，先通讀一遍，了解所有知識點，然后動手實踐，動手很重要，找一些小問題去解決，再解決問題中成長是最快的。
感謝您的閱讀，如果覺得有幫助，麻煩點個贊吧~
任何編程語言，如果想做到全站，那么所需要的就不僅僅是編程語言層面的知識，例如，Java全棧你不僅需要會Java語言層面的知識，需要要深入了解軟件設計模式、前端、數據庫...Python全棧同樣如此，列舉一下Python目前應用比較多的幾個領域，
人工智能
數據挖掘與分析
web開發
網頁爬蟲
下面就以這幾個方向為例來介紹書籍吧。
《Python編程：從入門到實踐》要想從事Python全棧的工作，首先最近的語法和使用時必須要會的，《Python編程：從入門到實踐》是一本比較系統、全面、基礎的Python入門書籍，所以，這個需要首先學習。
《流暢的Python》Python是一門入門簡單，深入不易的編程語言。它的確對基本語法、標識符要求比較簡單，但是要想在項目中更加高效、巧妙的使用Python，還需要了解Python的高階用法，例如，匿名函數、裝飾器、生成器......
《流暢的Python》是一本對Python進行深入剖析的書籍，它對Python的一些高階用法進行詳細的展開和闡述，是一本非常不錯的進階書籍。
當然，除了《流暢的Python》還可以選擇《Python Cookbook》。
《深度學習》前兩部分主要是圍繞語言層面在介紹，下面就是圍繞方向再展開了，首先就是人工智能方向。
人工智能是一個很寬泛的概念，它主要包含如下具體領域，
計算機視覺
自然語言
強化學習
圖神經網絡
機器學習
上述領域都有一個共性，知識體系非常龐大且更新非常快，因此，我建議可以選擇其中一個領域進行深入學習。
但是，無論是研究哪個領域，《深度學習》這本經典的書籍都是必不可少的，因為，它實在太經典，書中總結了很多深度學習領域的經典算法和策略，對于每個領域都會有很大的幫助。
當然，除了《深度學習》，如果時間充足，也有必要學習一下另外兩本書籍，
《機器學習》--周志華
《統計學習方法》--李航
這兩本都是機器學習領域的經典著作，如果從事人工智能領域，這些最基本的算法都不理解的話，顯然是不牢固的。
《利用Python進行數據分析》Python比較早的應用就是數據分析，numpy、pandas......這些都是Python應用較為頻繁，也是在數據分析中使用非常廣泛的第三方庫。
數據分析，并不是我們直觀上理解的那樣就是進行簡單的統計、繪圖、展示，還需要從數據中挖掘出我們想要的價值和畫像，所以，這其中有很系統的知識需要學習。
《Python 3網絡爬蟲開發實戰》網頁爬蟲，是Python應用非常多的一個方向。它可以單獨作為一個方向發揮價值，也可以作為數據分析、挖掘的輔助工具。
我們可以用網頁爬蟲知識獲取我們想要的數據，例如，金融數據、媒體數據、文字數據，這些對于自然語言、計算機視覺都會有很大的幫助。
但是網頁爬蟲絕不是requests那么簡單，它需要有一點的網頁開發的知識，例如，html。也需要對正則表達式，Beautifulsoup4這些常用的庫有深入的了解。
《Python 3網絡爬蟲開發實戰》這本書會給你答案。
《Flask Web開發》最后一個就是web開發了，雖然目前在web開發方面Js占據非常大的市場，但是基于Pythonflask的web開發也有一部分擁護者。
如果希望成為Python全棧，顯然web開發時無法繞開的一大塊領域。
《Flask Web開發》是非常不錯的Python web開發入門書籍，非常值得閱讀。