一、根據自己希望發展的業務方向確定學習語言

如果將來想做企業業務系統（EPR、CRM、HIS），建議學習java，java的生態有大量的資源（框架）是服務企業系統建設的。

如果將來考慮人工智慧，機器學習，建議學習python。python這方面作為科學計算有大量的社群和第三方庫支援。

如果不考慮第一點，那麼建議先學習java，因為java的生態更加成熟，進入企業後你能接觸到完備的軟體研發流程和軟體工程思想，這有利於你軟體行業的長期發展，後期再學習Python也是如魚得水。

我想你這個問題應該從兩方面分析：

一、軟體行業發展前景分析

隨著新一代資訊科技加速滲透到經濟和社會生活的各個領域， 軟體產業呈現出網路化、服務化、平臺化、融合化新趨勢。目前，新一代資訊科技正在轉向軟體主導，軟體在資訊產業中的貢獻不斷增加。《中國製造 2025》、《積極推進“網際網路+”行動的指導意見》和《加快推進網路資訊科技自主創新》等國策的深入推進和落實，將會對產業變革產生深遠影響，國民經濟各個領域對軟體產業的需求將更加強勁，尤其是對作業系統、資料庫等基礎軟體、行業應用軟體、大資料軟體產生更高、更廣泛的需求。“網際網路+”所形成的福斯創業、萬眾創新以及國民經濟各個領域對大資料、雲端計算、物聯網和資料傳輸、獲取、儲存、資訊保安的巨大需求都建立在強大的基礎資訊平臺之上，擁有強大的基礎資訊平臺，“網際網路+”的能量才能充分發揮出來。

據有關資料顯示，目前，中國對軟體人才的需求已達20萬，並且以每年20%左右的速度增長。在未來5年內，合格軟體人才的需求將遠大於供給。

二、Python就業前景

就業方向一：web前後端開發(Python開發工程師)

豆瓣、知乎、拉勾網等都是用的Python，web開發在國內的發展也是很不錯的因為Python的web開發框架是最大的一個優勢，如果你用Python搭建一個網站只需要幾行的程式碼，非常的簡潔。

就業方向二：運維自動化開發

運維也不陌生，最開始一批學習Python的人，就是運維和測試的在職人員，因為Python對於他們的工作起到很大的作用，因為使用Python指令碼進行批量化的檔案部署和執行調整都成了Linux伺服器上很不錯的選擇。

就業方向三：資料抓取(Python爬蟲工程師)

現在學習Python的人員當中很大一部分的人是在學習爬蟲，這也是Python的一大優勢之一，最早用Python做網路爬蟲的是谷歌。為什麼要用Python寫爬蟲?

跨平臺，對Linux和windows都有不錯的支援。

科學計算，數值擬合：Numpy，Scipy

視覺化：2d：Matplotlib(做圖很漂亮), 3d: Mayavi2

複雜網路：Networkx

統計：與R語言介面：Rpy

就業方向四：資料分析&挖掘(資料分析&資料探勘工程師)

Python所擁有的完整的生態環境十分有利於進行資料分析處理，比如，"大資料"分析所需要的分散式計算、資料視覺化、資料庫操作等，都可以通過Python中的十分成熟的模組完成。

拓展就業方向五：機器學習&金融量化&人工智慧

該領域為前沿技術領域，目前世界top100公司都在招募大量人工智慧、量化交易、機器學習相關人才，對相關人才要求有較高的學習能力和數學能力，年薪50w 起步，對於剛接觸Python的人士來說，適合作為未來發展方向研究。無論最後你往哪個方向發展，都是非常有前景。

一方面，Python 在人工智慧、資料分析、元件整合、網路服務、影象處理、數值計算和科學計算等眾多領域的應用越來越普遍。同時，深度學習領域仍有很大的發展空間，Python 社群的活躍度和普及率也是其它新型AI語言難以超越的。因此，只要AI的大趨勢在，Python 人才在網際網路行業就總有一席之地。

另一方面，大家對 Python 薪資不要有不切實際的幻想。隨著人才供給增加，網際網路企業的定薪也在恢復正常化，Python 開發薪資仍然與主流開發崗位有差距，並沒有出現人們想象中的「一飛沖天」。此外，Python 語言飽受詬病的諸多缺陷，也給了Julia、Swift for TensorFlow等新語言可乘之機。

無論 Python 的未來是進是退，有一句話很在理：順境時拼命往上爬，逆境時提升自己。對於 Python 程式設計師來說，努力積累自身的技術實力，遠比陷入對未知趨勢的擔心和無畏猜測來得更實際。

在此，我們建議想成為優秀 Python 開發者的你，要避免淪為「唯 Python 論」者和技術單一型人才。在後端技術架構、資料庫結構設計等方面積累紮實基礎，堅持多逛技術社群、做筆記和持續學習，多拓展技術圈人脈，與更多同行互相交流，開拓技術視野，都是值得踐行的進階方法。

三、轉行職業規劃分析

在做轉行決定之前，應該做足相應的功課。而不是隻是聽從別人的建議，或是跟隨別人的腳步，畢竟這是你自己的人生，別人只是說說而已，你才要負責，而且各人情況不同，適合別人的並不見得適合你。也許有些保守的家人，會拿“隔行如隔山”，“轉行窮三年”之類的理由，極力反對，你當然要溝通，實在說不通，也不用太擔心，因為如果你做的是個明智的轉行決定，到時事實會證明給他們看，他們慢慢地也會為你高興的。

轉行是個機遇與風險並存的事。事前做足準備，平穩過渡，不斷學習，管控好風險，機遇在向你招手。僅供參考，祝你成功！

首先，我們對課程做一個介紹。什麼是量化投資呢？所謂量化投資，就是指通過數量化、模型化的數學方式及計算機程式設計進行投資並獲取收益的交易方式。這麼說可能有些抽象。這裡需要理清一些概念。事實上，我們從事金融投資都會參考一些數量化的指標，比如炒股，至少要看看市盈率，看看股價趨勢，看看財務指標。那麼這種行為算不算量化投資呢？一些人認為從寬泛的意義上說，這也是量化投資的一種，畢竟參考了數量化的指標。但這裡需要指出，從嚴格的意義上說，這可能並不算量化投資。真正的量化投資需要藉助數學模型，通過大量資料的分析，並且藉助計算機程式設計的手段，進行投資。

量化投資是上世紀7、80年代在成熟資本市場發展起來的。我們知道，上世紀7、80年代計算機的應用有一個飛躍式的發展，同時，隨著金融理論的發展，特別是數學模型在金融中的應用，二者相結合就誕生了量化投資這個新領域。量化投資在西方資本市場的發展非常快，僅僅不到四十年的時間，目前佔比70%多，也就是說，目前發達資本市場大部分的交易都是通過量化系統完成的。所以說，如果一個投資者不懂量化投資，他很難在這樣的市場裡賺錢。

一般來講，量化投資主要包括以下這些型別，比如量化選股：包括基本面量化，比如多因子模型、風格輪動模型和行業輪動模型等等；市場行為量化：包括資金流模型、動量反轉模型、一致預期模型、趨勢追蹤模型和籌碼分佈模型等；量化擇時：趨勢擇時，市場情緒擇時，有效資金擇時，牛熊線擇時，異常指標擇時等等。這些在我們的課程裡都會通過具體案例給大家詳細講解和練習。

說到量化投資，不得不提到一個標誌性的人物：西蒙斯，和他的文藝復興公司。西蒙斯曾經是一位著名的數學家，和陳省身一起提出了空間幾何的陳—西蒙斯規範理論。後來轉戰華爾街創立了文藝復興公司，專門從事量化交易。西蒙斯可以說是量化投資領域的教父級人物，他文藝復興公司旗下的大獎章基金自1988年以來，年均回報率高達36%，這個數字較索羅斯等投資大師同期的年均回報率要高出10個百分點，較同期標準普爾500指數的年均回報率則高出20多個百分點，比股神巴菲特近20年間的平均回報率高18個百分點。即便是在次貸危機爆發的2007年，該基金的回報率仍高達85%。這是非常恐怖的戰績，這就是量化投資的力量。

相比而言，國內量化投資還處在起步階段。當然，一些有實力、有遠見的機構已經在從事或佈局量化投資。這方面的資訊不是很多，我們可以通過媒體偶爾爆出的一些訊息來感受一下。

2013年的8.16光大證券烏龍指事件相信大家並不陌生。主要當事人之一楊劍波當時就是光大證券策略投資部總經理，具體業務就是做量化投資，包括股指期貨套利、統計套利、ETF做市及套利、權益互換、結構性產品、場外期權等。在2011-2013年，策略投資部年均淨利潤超過1億人民幣。注意，當時股市處於大熊市。2013年8月16日這天，光大證券策略投資部如往常一樣進行ETF套利交易，由於系統問題，交易員下單買入高達234億元，最終成交72.7億元，致使當天A股和股指期貨市場大幅波動，其中上證指數上漲近6%。通過這個事件，多少可以感受機構投資者進行量化交易的情況。

此外，2015年股災期間。境外實際控制的伊世頓公司以貿易公司為名，隱瞞實際控制的期貨賬戶數量，利用籌集的約700萬人民幣作為初始資金，在中國參與股指期貨交易，最後非法獲利高達20多億元人民幣。一個月賺5億，700萬變20億！這個受益可以說高得驚人。

由於量化投資的高回報，量化投資人才自然具有極高的薪酬。在美國，如果某位理工科畢業生大學一畢業就進入高頻交易基金寫程式、建模型，起始工資可達15萬美元。有了兩年的工作經驗，一般可迅速漲到25萬至30萬美元，遠高於投行同級別的薪酬。著名的高頻交易基金公司Jump Trading在業績中曾公開披露，該基金量化投資程式設計師平均薪酬為92.57萬美元。在華爾街，一般高頻交易基金挖有3-5年經驗的量化投資程式設計師，開出100萬美元的薪酬都是常事。相比而言，國內量化投資仍處於剛剛起步的階段，有著非常巨大的發展空間。目前市場上量化人才處於奇缺狀態，既懂金融交易，又懂計算機程式設計的人員鳳毛麟角，是市場爭搶的物件。

我們的課程為什麼選用python語言呢？我們知道，量化投資離不開程式語言的支援，目前Python已經在量化投資領域佔據了主流位置，從資料獲取到策略回測再到交易，覆蓋了整個業務鏈。在量化投資的開源專案裡，全球star數排名前10位裡面，有7個是Python實現的。我們可以看下錶。

• Python應用開發基礎

• Numpy與證券資料處理

• Pandas與證券資料處理

• 交易機制與量化策略開發

其中python應用開發基礎主要講解python的基礎語法，為量化投資程式設計打下基礎。

NumPy是Python的一個開源的數值計算擴充套件包。它可用來儲存和處理大型矩陣資料，比Python自身的資料結構要高效的多。使用Python進行量化投資，可以說numpy是必不可少的選項。

Pandas 是基於Python的又一個數據分析包，Pandas 進一步納入了大量的庫和一些標準的資料模型，特別是提供了從一維到三維陣列的便利的分析工具。Pandas也是Python金融資料分析的一個有力工具。

關於交易機制與量化策略開發，這裡要特別說明一下，為什麼要講解基礎金融知識和交易機制。大家想啊，如果你一直以為股市9點半才開盤，連9點半之前也可以交易，連集合競價階段下單是如何影響開盤價的都不知道，你怎麼對股價的變化進行合理的分析，指導你全天的交易。如果你連ETF申購贖回中停牌股票的現金替代機制都不知道，你怎麼進行ETF套利。所以深入學習交易機制是非常必要的，在這個基礎上，我們會詳細講解每一種量化投資策略，包括前面我們提到的量化選股、量化擇時、套利交易、統計套利、演算法交易等等，我們都會通過具體的案例詳細講解，並且給大家充分的訓練。

我們這個專欄課程適合大專院校學生、金融投資從業者，以及有志於從事量化投資的社會人員，基本零起點、無門檻，具有高中或同等學歷的人員均可參加學習。本課程由著名量化投資專家Jackie老師傾情講解，Jackie老師是北大本科和碩士，十餘年量化投資從業經歷，主持過多個大型量化投資專案，精通金融理論和python程式設計，並且具有豐富的培訓經驗。關於專欄學習，我們提幾點要求：第一，多寫程式碼，即使看專欄中講解的內容，也要自己把程式碼敲一遍，自己寫出來的程式碼，感覺是不一樣的；第二，多思考，市場是變化的，與一般的軟體工程做完就結束不一樣，量化系統需要不斷的優化調整，這也是量化投資的價值和魅力所在；第三，要堅持，剛接觸量化投資，可能會覺得有些難度，覺得知識面很寬泛，既有金融交易的知識，又有軟體程式設計的知識。這個時候需要堅持，只要堅持下去，慢慢會覺得其樂無窮。我們常對學員說，當你覺得困難的時候，想想年薪一百萬就在眼前，這樣就會覺得動力無窮了。