python 發展最近還是不錯的，這個有自學的，也有報班系統學習的。主要還是結合自身的情況去考慮，看看自己是更適合哪種學習模式。不過建議還是報班學習，人工智慧技術的專業性很強，對自身的要求也是非常高的，純粹靠自學學習週期較長，並且學習起來也很困難，尚學堂現在就有人工智慧方向的課程，有線上課程也有線下的面授課程， 現在有免費試學的名額，你可以來了解一下。 而且人工智慧的學習對python方面的基礎要求也是很嚴格的，可以先看看免費的資料，比如尚學堂的高淇老師python400集，這個對於剛入門學習的小夥伴來說是很不錯的，可以先了解一下，在結合自身的情況做出選擇就可以了。 很多學生都是從零基礎開始學習的，零基礎開始學習並不難，難的是下定這個決心

學習Python還是JAVA沒有那個好那個不好定義，關鍵在於你自己的職業規劃，首先Python作為目前最火的語言，被廣泛的用於大資料分析和人工智慧領域，要想從事資料分析或者人工智慧方向，學習Python是個不錯的選擇！JAVA開發同樣運用廣泛，也用在了大資料領域。是大資料開發工程師必會得語言，所以要想做底層大資料就學習JAVA。

Python比較簡單容易學習，尤其適合初學者，JAVA相對較難，但也容易學習，但從您的學歷來說，簡單與難區別也不大，所以學習那個無所謂。

想要真正的踏入這個門檻 首先一定需要一個好的師傅吧

興趣是第一大老師 有了愛好才願意鑽研學習 嚐嚐思考

第二大好老師就是需要找到真正能對你的學習提供幫助的方式

可以自學啊 但是自己找學習資料和制定計劃應該很難吧

而且自制力也不一定好 能不能堅持學下去還不知道呢

不管你是自學 還是參加培訓 最終的目的都是為了提高自己解決問題的能力

在培訓班若遇到問題 老師會幫你解決 讓你不必在一個問題上多花時間和精力

但在自學的過程中遇到問題 一切都需要自己去解決

有時候可能連續幾天都沒能想出解決的辦法

如果真的想學的話 推薦還是找個靠譜的機構報名吧

人家又專業的老師講課、答疑、批改作業 還有班主任監督學習

這不是挺好的 能學到東西才是真的啊

這樣進步的才會快一點 時間也不等人吶

你可以去百戰程式設計師官網看看詳情 選擇合適的機構很重要的

python 發展最近還是不錯的，這個有自學的，也有報班系統學習的。主要還是結合自身的情況去考慮，看看自己是更適合哪種學習模式。不過建議還是報班學習，人工智慧技術的專業性很強，對自身的要求也是非常高的，純粹靠自學學習週期較長，並且學習起來也很困難，尚學堂現在就有人工智慧方向的課程，有線上課程也有線下的面授課程， 現在有免費試學的名額，你可以來了解一下。 而且人工智慧的學習對python方面的基礎要求也是很嚴格的，可以先看看免費的資料，比如尚學堂的高淇老師python400集，這個對於剛入門學習的小夥伴來說是很不錯的，可以先了解一下，在結合自身的情況做出選擇就可以了。 很多學生都是從零基礎開始學習的，零基礎開始學習並不難，難的是下定這個決心。其實這個問題需要細化: 首先要有教材，不管是線上教程，還是紙質書都行。

掌握基礎語法的情況下不斷練習，比如寫個類，方法，甚至是應用。不斷深入學習。

1.先從基礎知識開始學習，中間練習一些有趣味性的小程式，小遊戲，保持興趣，避免枯燥。

2.自己編寫python程式，幫助自己解決學習工作中午到的問題。學以致用。

3.學習瞭解一些常用框架和庫。

4.嘗試為開源專案貢獻程式，從而提高能力。

另外如果喜歡就去學，別隻看多少薪水，每個人情況不一樣，只看是否會python就能掙多少錢，太片面了。可能別人還有其他能力，所以全面提升，定會薪水如意。

建議：

1. 先從網路上簡單的影片教程入手

2. 自己多嘗試，動手完成一些小專案

3. 看書深入

參考回答：

https://www.wukong.com/question/6610631945741140228/

https://www.wukong.com/question/6621147311907012872/

其實這個問題需要細化:

1.自學如何入門

首先要有教材，不管是線上教程，還是紙質書都行。

掌握基礎語法的情況下不斷練習，比如寫個類，方法，甚至是應用。

不斷深入學習。

多和同樣在學習python的人交流。

2.在學校或者培訓機構進行系統學習。

3.邊工作邊學習，此方法適用於工作中涉及到python程式設計的朋友。

學python最重要是有自制力。有自制力的人發展不會很差。

至於入門，網上有很多相應的教程，我當初自學是看嗶哩嗶哩上python入門教程，600多集的，自己感覺有一點彈幕學真的會更認真。可以先往下看了解到底要往哪方面發展，定了這個後才能說怎麼入門。

自學python首先要找到自己的學習目的

我的學習目的特明確，SEO相關的有用的我都學。題主並沒有提到以後要涉及的職業發展，那就先介紹一下。大家都是為了學完Python找到工作，但實際上領域不一樣，如今學習Python的重點不一樣。題主想要知道重點學什麼，那要看的是你以後做什麼。

看圖：

從上圖可知python找工作有很多的路徑。實際上把這樣的路徑簡化一下可以得到下圖。這裡有一個重點在於，下圖當中的每個發展方向下面有一個對應路線圖的一二三四這樣的數字。

重點學習內容標註併合適的方法

然後按照下面流程來，找到網路上相應資源就好了，最好找到一家比較全的資源然後跟著學。

Web基礎開發

解決的現實問題：

能夠使用面向物件的程式設計方法, 基於Linux作業系統開發多工的網路程式開發。

掌握的核心能力：

1、能夠熟練使用Linux作業系統；

2、掌握網路程式設計相關技術，能夠實現網路間資料通訊；

3、掌握程式設計開發中多工實現方式；

4、能夠熟練掌握MySQL操作相關技術，熟練編寫各種資料庫操作SQL語句，並能夠進行Python與MySQL之間的資料互動；

5、掌握Python中的re模組的使用，能夠實現對字串進行復雜模式匹配；

6、掌握Web伺服器的工作流程，以及Web框架的實現原理。

要點：

Linux命令、網路程式設計、多工程式設計、正則表示式、html與css、JavaScript、jQuery、資料庫程式設計、Python語法進階、靜態Web伺服器、mini-Web框架。

Web-Django框架

解決的現實問題：

更上一級能夠開發主流Web網站，並掌握常見的技術要點；根據實際問題設計出相應資料庫表。

掌握的核心能力：

1、掌握Python Web主流框架-Django的使用；

2、可根據Web框架設計，開發對應的資料庫；

3、可根據業務流程圖，開發Web網站的前後臺業務。

要點：

Django框架、前後端分離模式、VUE進階-元件式開發、Django REST framwork、統計、許可權管理、商品資料管理、日誌管理、使用者管理、前後端不分離模式、資料庫-讀寫分離、Django高階第三方模組、FastDFS分散式檔案系統、Celery非同步操作、Vue雙向繫結、Docker 入門、Crontab定時任務、頁面靜態化、線上支付、Nginx+uWSGI部署。

Web-Flask框架

解決的現實問題：

高併發全功能的Web網站開發；提升資料處理響應速度，靈活運用快取。

掌握的核心能力：

1、掌握Python Web主流框架-Flask的使用；

2、掌握常見的效能最佳化技術；

3、快取伺服器的操作和設計；

4、非同步任務的實現。

要點：

Docker 進階、uWSGI、Nginx進階、效能最佳化、Flask框架、路由定義及檢視函式、藍圖、SQLAlchemy、Flask-RESTful、手機 APP + PC Web前端、MySQL業務資料儲存、Redis快取層、第三方物件儲存、RabbitMQ + Celery 非同步任務、APSchedule定時任務、http://socket.io及時通訊、Elasticsearch 5.6 搜尋+自動補全、RPC+kafka對接推薦系統與AI系統、supervisor程序管理。

人工智慧機器學習程式設計

解決的現實問題：

利用學習到的科學計算庫對收集到的資料進行資料基本處理，使其符合機器學習演算法模型；利用學習到的機器學習演算法解決部分實際問題。

掌握的核心能力：

1、掌握資料探勘基礎工具使用；

2、掌握機器學習中處理資料方法；

3、理解常見機器學習演算法原理。

要點：

人工智慧概述、資料視覺化matplotlib、科學計算庫numpy、科學計算庫pandas、Scikit-learn使用、特徵工程、k-近鄰演算法、線性迴歸、嶺迴歸、邏輯迴歸、決策樹、整合學習(Bagging, Boosting)、k-means、不同模型評估方法介紹、模型選擇與調優、模型儲存和載入、聚類、分類。

人工智慧基於大資料的推薦系統

解決的現實問題：

能夠實現推薦系統的演算法不同場景應用；能夠根據推薦場景業務流完成推薦業務開發。

掌握的核心能力：

1、掌握推薦系統的工作原理和實現流程；

2、掌握推薦系統的演算法實現原理以及應用場景；

3、掌握Lambda大資料相關基礎；

4、可實現基於大資料框架的推薦系統搭建；

5、能夠基於推薦業務流完成系統搭建。

要點：

分散式儲存計算案例、資料倉庫工具hive、spark-sql、spark sql與hive離線分析、ABTest實驗中心、埋點引數設定、推薦服務、快取服務、實時日誌分析、實時召回集、熱門與新文章、文章畫像構建、使用者畫像構建、文章使用者畫像業務實現、離線召回集介紹、排序模型選擇介紹、spark mllib講解、離線模型評價、評估場景需求。

最後更多是實戰了，更多偏向於資料分析：

對企業異常資料進行深入分析，對業務風險指標進行跟蹤分析及最佳化；搭建業務監控體系，及時發現、排查業務問題，並能提出有效的解決策略或方案；配合專案計劃，負責建模駐場專案，完成資料分析需求及任務；透過大資料演算法對資料進行模型的構建、維護、和評估。

掌握的核心能力：

1、熟悉常用資料探勘演算法與模型，熟悉邏輯迴歸、神經網路、決策樹、聚類等建模方法；

2、熟悉Python、Tableau、SPSS、SAS等多種資料分析工具；

3、熟練使用時間序列、聚類分析、邏輯迴歸、因果分析等統計方法。

要點：

統計學基礎、Python程式設計資料分析、SPSS資料分析、資料化運營，網路遊戲市場分析，及電商資料分析，問卷資料分析、CRM、BI理論、資料視覺化分析

最後python拓展就是爬蟲和自動化測試運維了，

屬於拓展專案。也是很重要的接近工作的。

更多是做各種專案進行熟悉和自己最佳化方法。

解決的現實問題：

自動化爬取瀏覽器網站資料或App應用資料，對爬取中遇到的反爬措施應用相應的反反爬方案解決處理。

能夠針對企業中開發的專案進行自動化測試。

能夠搭建部署執行維護Linux環境。

掌握的核心能力：

爬蟲：

1. 網頁資料爬取；

2. App資料爬取；

3. 反反爬解決方案；

4. MongoDB資料儲存。

測試開發：

1. 專案開發流程與測試方法；

2. 自動化測試工具的使用；

3. 介面測試；

4. 效能測試。

運維開發：

1. Linux系統安裝使用（CentOS系統）；

2. Linux系統管理與維護；

3. Shell程式設計；

4. 自動化運維與監控。

要點：

爬蟲基礎、requests模組、資料提取、Selenium、抓包反爬與反反爬方案、MongoDB資料庫、Scrapy爬蟲框架、Appium的使用、測試理論基礎、專案開發流程、禪道工具使用、Jira工具使用、Web自動化測試（Selenium、Appium、Unittest等使用）、JMeter介面測試、效能測試、CentOS系統安裝、Linux系統最佳化、常用工具使用、Linux檔案管理、軟體管理、許可權管理、日誌管理、程序管理、Apache伺服器使用、防火牆管理、LVS叢集、keepalived使用、Shell程式設計、Ansible、Nagios監控。