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
具体的知识点和技术框架这里就不详细讲了,如果需要可以直接后台私聊。
02 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。
03 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。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
👉Python学习路线汇总👈
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。(全套教程文末领取哈)
👉Python必备开发工具👈
温馨提示:篇幅有限,已打包文件夹,获取方式在:文末
👉Python学习视频600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。
👉实战案例👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
学习路线:
这个方向初期比较容易入门一些,掌握一些基本技术,拿起各种现成的工具就可以开黑了。不过,要想从脚本小子变成黑客大神,这个方向越往后,需要学习和掌握的东西就会越来越多以下是网络渗透需要学习的内容:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!