如何學爬蟲，如何學資料分析，如何學人工智慧並轉到這些行業？
最近有個朋友給我留言，和我聊天，分享了他這段時間在培訓Python程式設計這一塊，今天整理這篇文章，會詳細介紹0基礎學python該如何學，幫助到更多想學習python的朋友，給廣大同學朋友規劃個適合學習規劃。
他大學學習的應用化學，後來畢業做了2年全棧設計師（PS：設計和前端都不熟練的那種）後來出於對爬蟲開發的喜歡（爬圖片，爬視訊）還有人工智慧，機器學習，大資料的火熱程度的追捧，毅然決然報了培訓班，學習時間半年，學費兩萬，感覺還挺值得（PS：他就是這麼會安慰自己，即使心裡覺得特別虧也。這不是給培訓機構打廣告的文章）
後來出來找工作，幾經周折和換工作，現在在期貨公司工作，主要工作是資料處理和分析，機器學習，自然語言處理，影象處理等，專案是一個全自動化智慧雲測試雲平臺，現大概講下想轉行python的學習路線，當然他的轉型之路，可能也代表了大多數和他一樣的朋友同學，大學報專業沒選好，不知道計算機網際網路會這麼火，而且出校門步入社會後又沒能直接學計算機從事這個行業，浪費了很多時間，而此刻，就根據 大家的心聲，站在和大家一樣的立場，講述他專業不是計算機，出來後又沒能直接搞計算機網際網路的轉型python路線。
文字主要講述轉型的三個方面：web開發，爬蟲，資料分析與人工智慧
python的發展主要有幾個方向：
網路，爬蟲，資料分析，測試，運維，人工智慧等，要屬當下最火的還是人工智慧，好多人衝著人工智慧的方向學python，其實人工智慧聽起來確實很高大上，都想往這方面湧入，但是作為過來人，如果單純從程式設計0基礎想轉行人工智慧還是難度相當大的（大神除外），因為好多搞人工智慧的公司會相對比較大，現在企業又不願意去培養人，所以招聘時候學歷，專業，專案經驗，工作年限都相對還是比較硬性的。
雖然門檻比較高，但是想轉行python進而轉型資料分析和人工智慧也是有很大機會的，畢竟python在國內火起來也沒多長時間，只要按照科學有效的方法學習提升，也是可以很快轉型的，由於對運維和測試不是特別瞭解，這裡不在說這方面的轉型路線，先講web後端開發、爬蟲開發、資料分析與人工智慧路線。
1，首先是轉行python學習路線：
通用必備基礎知識 :(這些知識不管是做python哪方面，都是基礎知識，必須會）
第一階段：Python入門（框架再怎麼變，基本語法不會變，基礎中的基礎）
資料型別
迴圈判斷
常用模組
函式，迭代器，裝飾器
遞迴，迭代，反射
面向物件程式設計
第二階段：網路程式設計（最好能完全搞透徹）
Socket c / s程式設計，Twisted非同步網路框架
多執行緒，多程序，攜程gevent，選擇 poll epoll
FTP伺服器開發
批量命令，檔案分佈工具
RabbitMQ訊息佇列，SqlAlchemy ORM
Reids MemCache MongoDB快取資料庫
第三階段：正則表示式和資料庫
學習字串匹配的正則表示式重模組
學習的MySQL的資料庫（80％以上的公司都在用）
學習的Redis的資料庫（做網站和爬蟲都很重要）
學習的MongoDB的資料庫
第四階段：WEB前端基礎（坑比較多，多敲）
做WEB當然要懂點基本的前端知識。
html / css基礎
原生JS
JQuery的的（JS庫）
Ajax的非同步載入
繪相簿
引導（瞭解，最好能掌握一種佈局框架）
好了，以上就是不管你後面發展那些方面，這些都是基礎中的基礎，必須要學（我培訓班一共學了2個月）
2，轉型python的網站後端開發學習的知識：
Django的（應用廣泛的後端框架）
tornado
flask（後起之秀的框架）
session/中介軟體/ ORM / CSRF / FORM（一些網路基本的技術知識）
Django，flask，tornado，三個框架各有優劣，網頁框架我用的Django和flask居多，Django的會覺得很多東西都已經封裝好了，可以直接用，不用自己手動構造，比如Django的的管理的後臺和xadmin後臺，flask就相對靈活多變，至少掌握兩個框架，多多益善（我在培訓班1個半月，學的django和flask2個框架）
3，轉型爬蟲學習的知識：
requests：傳送網頁請求，返回資料
xpath：用於網頁元素的提取（當然還有BS4，pyquery等，選擇順手的）
selenium：用於真實瀏覽器訪問網頁，根據具體情況使用
scrapy：用於大規模快速網頁資料爬取
驗證碼破解：驗證碼破解建議大家可以多搞點難破解的，比如滑塊驗證碼，淘寶驗證碼，12306驗證碼等等，面試經常問到哦
（我在培訓班學爬蟲學了3周，主要是requests和scrapy兩個框架）
4，轉行資料分析（機器學習，人工智慧）學習路線:(培訓班學習2個月）
（以下幾個模組是資料分析最常用的庫，一定要學好）
1，學習科學計算和分析包，numpy的和pandas
2，學習視覺化，分析結果視覺化的包matplotlib，實現資料繪圖展示
3，學習資料探勘模型，這個包主要是sklearn，裡面的演算法基本都有對應的包，但希望大家能對高等數學，概率論，線性代數，資訊理論的基礎理論進行學習，這些演算法都是基於數學基礎，如果數學理解不透，也只能當一個調包俠（公眾回覆：機器學習）
4，神經網路的框架，推薦學習TensorFlow或者keras，Karas的是把TensorFlow封裝起來的高階包，學習難度比較低。還有一個更加高階的框架CAFFE，據說很厲害。
5，常見神經網路：迴歸網路，分類網路，卷積神經網路（CNN）在影象語言等領域處理方面優秀，迴圈神經網路（RNN）利用時間序列分析（RNN LSTM），避免過度擬合。自編碼網路，這個我不瞭解，也不感興趣。神經網路還很多，技術前沿的東西還不知道。
好了，說到這裡，基本學習路線就講完了，下面就是最基本的學習路線總結
轉型web ：通用必備知識+2個網頁框架
轉型爬蟲：通用必備知識+爬蟲框架
轉型資料分析：通用必備知識+資料分析庫（pandas，numpy的的，matplotlib，sklearn），甚至這些還遠遠不夠用
轉型人工智慧：通用必備知識+資料分析庫+高等數學+線性代數+概率論+ tensorflow框架
接下來回答大家感興趣的幾個問題：
資料分析要不要學高數，概率論，線性代數？
如果不想只當調包俠，也不想在工作中因為不理解數學過程太痛苦的話，多補補數學理論吧，至少我工作中接觸到簡單的數學概念有：標準差，方差，協方差，協方差矩陣，餘弦相似度，導數，對數，偏導，概率論，熵，資訊理論，矩陣運算，向量的運算等等。只能說列舉的這些是基礎中的基礎，比這更難的我也正在學。
資料分析要不要學後端框架？比如Django和flask
以上過程是一個快速轉行資料分析的路線，可能有些介紹不是太全，但大致的學習方向就按這個來，就會少走彎路，但其實作為一名蟒開發者，個人建議最好還能運用一種後端框架，能夠搭建網站後端專案也很重要，雖然在公司工作是資料分析，但是公司經常可能性的會讓搭一些簡單的專案，藝多不壓身，我個人喜歡用的Django
資料分析要不要學前端？（HTML，CSS，JS）
回答是肯定的：必須學，能閱讀懂是基本，越熟練深入越好，因為做資料分析很多都是從爬蟲和網路轉過來的，而爬蟲和網路都對前端技術有一定要求，比如如下原因：
爬蟲讀取頁面結構，獲取標籤，你要能看懂HTML
爬蟲的很多反爬蟲措施基於厲害的JS程式碼和一些複雜的CSS，如果不懂，爬蟲很難做到深層次
後臺專案，至少在PC端的，很多情況下，都要求後端開發人員能讀懂前端程式碼
鑑於很多朋友想從事資料分析，這裡不得不提下，Python的資料分析是一個非常專業的方向，需要有較多的數學理論知識，而且需要有刻苦專研的精神。既然是程式語言，就需要寫很多程式碼，他是至少寫了10,000行程式碼了。最後你還需要了解你自己希望從事什麼行業，傳統資料探勘在銀行，保險，電信，電商等領域已經很普及了成熟了。對於那些高階的神經網路，也就是類似AI領域，在圖片語音視訊識別，自動駕駛，量化投資，機器人等領域也很好的。很多分析師都轉行做這塊了，還是話說回來，想學習的很多，多實踐，加油！