后来出来找工作，几经周折和换工作，现在在期货公司工作，主要工作是数据处理和分析，机器学习，自然语言处理，图像处理等，项目是一个全自动化智能云测试云平台，现大概讲下想转行python的学习路线，当然我我转型之路，可能也代表了大多数和我一样的朋友同学。
大学报专业没选好，不知道计算机互联网会这么火，而且出校门步入社会后又没能直接学计算机从事这个行业，浪费了很多时间，而此刻，我就根据 大家的心声，站在和大家一样的立场，讲述我专业不是计算机，出来后又没能直接搞计算机互联网的转型python路线。
文本主要讲述转型的三个方面：web开发，爬虫，数据分析与人工智能
一、Python的发展主要有几个方向
网络，爬虫，数据分析，测试，运维，人工智能等，要属当下最火的还是人工智能，好多人冲着人工智能的方向学python，其实人工智能听起来确实很高大上，都想往这方面涌入，但是作为过来人，如果单纯从编程0基础想转行人工智能还是难度相当大的（大神除外），因为好多搞人工智能的公司会相对比较大，现在企业又不愿意去培养人，所以招聘时候学历，专业，项目经验，工作年限都相对还是比较硬性的。
虽然门槛比较高，但是想转行python进而转型数据分析和人工智能也是有很大机会的，毕竟python在国内火起来也没多长时间，只要按照科学有效的方法学习提升，也是可以很快转型的，由于对运维和测试不是特别了解，这里不在说这方面的转型路线，先讲web后端开发、爬虫开发、数据分析与人工智能路线。
二、python学习路线
最基本的学习路线总结：
**转型web ：**通用必备知识（Python基础语法、网络编程知识、正则表达式和数据库、web前端基础等）+2个网页框架
**转型爬虫：**通用必备知识（requests、xpath、selenium等）+爬虫框架
**转型数据分析：**通用必备知识+数据分析库（pandas，numpy的的，matplotlib，sklearn），甚至这些还远远不够用
**转型人工智能：**通用必备知识+数据分析库+高等数学+线性代数+概率论+ tensorflow框架
无论做什么事，或者学什么技能，在一开始就要有所规划，所以我们要事先确定好自己的学习路线，这是非常重要的，能够在我们学习的时候使得我们的思路更为清晰。
点这里免费领取【CSDN大礼包：【读者福利】Python经典学习资料免费分享，领走不谢！ 】
三、数据分析和AI学习路线
数据分析、机器学习，人工智能(学习2个月）
（以下几个模块是数据分析最常用的库，一定要学好）
1，学习科学计算和分析包，numpy的和pandas
**2，学习可视化，**分析结果可视化的包matplotlib，实现数据绘图展示
**3，学习数据挖掘模型，**这个包主要是sklearn，里面的算法基本都有对应的包，但希望大家能对高等数学，概率论，线性代数，信息论的基础理论进行学习，这些算法都是基于数学基础，如果数学理解不透，也只能当一个调包侠（公众回复：机器学习）
4，神经网络的框架，推荐学习TensorFlow或者keras，Karas的是把TensorFlow封装起来的高级包，学习难度比较低。还有一个更加高级的框架CAFFE，据说很厉害。
**5，常见神经网络：**回归网络，分类网络，卷积神经网络（CNN）在图像语言等领域处理方面优秀，循环神经网络（RNN）利用时间序列分析（RNN LSTM），避免过度拟合。自编码网络，这个我不了解，也不感兴趣。神经网络还很多，技术前沿的东西还不知道。
四、回答大家感兴趣的几个问题
数据分析要不要学高数，概率论，线性代数？
如果不想只当调包侠，也不想在工作中因为不理解数学过程太痛苦的话，多补补数学理论吧，至少我工作中接触到简单的数学概念有：标准差，方差，协方差，协方差矩阵，余弦相似度，导数，对数，偏导，概率论，熵，信息论，矩阵运算，向量的运算等等。只能说列举的这些是基础中的基础，比这更难的我也正在学。
数据分析要不要学后端框架？比如Django和flask
以上过程是一个快速转行数据分析的路线，可能有些介绍不是太全，但大致的学习方向就按这个来，就会少走弯路，但其实作为一名蟒开发者，个人建议最好还能运用一种后端框架，能够搭建网站后端项目也很重要，虽然在公司工作是数据分析，但是公司经常可能性的会让搭一些简单的项目，艺多不压身，我个人喜欢用的Django
数据分析要不要学前端？（HTML，CSS，JS）
回答是肯定的：必须学，能阅读懂是基本，越熟练深入越好，因为做数据分析很多都是从爬虫和网络转过来的，而爬虫和网络都对前端技术有一定要求，比如如下原因：
- 爬虫读取页面结构，获取标签，你要能看懂HTML
- 爬虫的很多反爬虫措施基于厉害的JS代码和一些复杂的CSS，如果不懂，爬虫很难做到深层次
- 后台项目，至少在PC端的，很多情况下，都要求后端开发人员能读懂前端代码
鉴于很多朋友想从事数据分析，这里不得不提下，Python的数据分析是一个非常专业的方向，需要有较多的数学理论知识，而且需要有刻苦专研的精神。
既然是编程语言，就需要写很多代码，我至少写了10,000行代码了。最后你还需要了解你自己希望从事什么行业，传统数据挖掘在银行，保险，电信，电商等领域已经很普及了成熟了。
对于那些高级的神经网络，也就是类似AI领域，在图片语音视频识别，自动驾驶，量化投资，机器人等领域也很好的。很多分析师都转行做这块了，还是话说回来，想学习的很多，多实践，加油！
五、最后说说关于Python技术储备
1、Python必备开发工具
有了完整的学习路线之后，接下来就是实操了，工欲善其事必先利其器 ，既然我们要学习Python，那么想与之的开发工具必须要先行安装好，利用好工具能让我们事半功倍。
2、Python学习视频合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。
我先来介绍一下这些东西怎么用，文末抱走。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
（4）200多本电子书
这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。
基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
（5）Python知识点汇总
知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。
（6）其他资料
还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
