精华内容
下载资源
问答
  • ”“数学不好,英语不好,想Python数据分析,有救吗?”“不懂Python数据分析到底是什么,有救吗?”我答案是妥妥有救!大家好,我是大鹏,目前在城市数据团,是一名数据分析师。准确来说,我是一名非本专业的...

    “非本专业想转型做数据分析,有救吗?”

    “数学不好,英语不好,想学Python数据分析,有救吗?”

    “不懂Python数据分析到底是什么,有救吗?”

    我的答案是妥妥有救!

    大家好,我是大鹏,目前在城市数据团,是一名数据分析师。

    准确来说,我是一名非本专业的转行数据分析师,以上三个问题是我在从事数据分析工作后经常被问到的。

    01 重新定义“非本专业”

    首先我们需要明确“非本专业”的含义。我以大学本科两个最贴近数据分析相关岗位的专业为例:统计学专业和计算机专业。

    从两门专业的培养方案可以看到统计学课程主要是数学相关的理论知识,计算机专业主要学的是系统程序系统开发与编程知识。

    ▲整理自优效学院各学院公布的培养计划

    数据分析相关工作,往往要求的是上述两个专业综合技能。任何一个专业的学生想要入行,都需要学习对应的新知识,不能“啃老本”,他们都可以算作广义上的“转行”。

    转行不一定是100%改变,结合本专业的业务转型是一条不错的出路。

    以我自己为例,从前的我学习城市规划类,是一个传统行业。这个行业因为互联网的高度普及受到了巨大冲击,传统的“拍脑袋”方式不再吃香,每个人每家单位都在想如何适应“数据化”这个潮流。

    ▲传统的城市设计模式,大部分是实地调研到的现场信息与设计师的“感性”想法结合的成果,在城市尺度上缺少数据辅助决策

    而我却把这个挑战看做契机,开始迈入数据的门槛,成为一个城市数据的研究者,尝试活用互联网化带来的“数据”,从技术上到思维慢慢的转变。

    ▲现在我可以借用地图热力数据、手机信令数据、人口迁徙数据,通过一定的分析软件、工具等,来重新定义和研究“城市”

    02 刚接触Python时:我的数学一团糟,英语全靠字典

    Python不仅是一门编程语言,而且是数据挖掘机器学习等技术的基础,方便建立自动化的工作流。

    最初我决定学习,是因为其他的软件不能再满足效率和数据量的要求。虽然自己的数学英语已经还给老师,我还是逐渐在自学和实践中,把Python一直用到现在。

    慢慢的我发现,Python入门不难。它对数学要求并不是太高,重要的是需要知道如何用语言表达一个算法逻辑。比构建一个等差数列的和,数学语言和计算机语言是不一样的:

    类似于Excel,Python有很多封装好的工具库和命令,我要做的是用哪些数学方法解决一个问题,并构建出来。

    那么上哪去找这些数学方法?系统学习看教材资料,遇到问题问百度谷歌,还有一个交流群就完美了~(文末就有)

    英语相对简单,用好词典和chrome翻译功能即可。

    03 学Python一段时间后:发现的是一个有趣的新世界

    这里需要用一个有趣的例子说明问题:如何用Python研究财富分配的规律?简单来说,我们可以采用理顺逻辑—构建算法—代码实现—模拟实验的方法来做研究

    ▲这个Python模拟实验模拟的是社会财富分配的简化模型,从而模拟这个世界的运行规律。我们假设:每个人在18岁带着100元的初始资金开始玩游戏,每天玩一次,一直玩到65岁退休。“每天拿出一元钱”可理解为基本的日常消t费。以此计算,人一生要玩17000次游戏,即获得17000次财富分配的机会。最后财富会接近于幂律分布, top10%的富人会掌握大约30%的财富。本案例来自城市数据团。

    构建这样的模型并非一蹴而就。这个案例灵感源于蒙特卡洛思想,每模拟一次,程序便要运行17000遍,期间涉及多次参数和代码的调整。其他的鼠标点击类软件很难做这样的模拟,Python的趣味性就在此处。

    学习Python,需要不断的体验有趣的项目,在实践中体验技能和思维。

    智慧是通过体验获得的,知识是通过勤奋获得的。

    04 似懂非懂:怎样才能快速入门Python数据分析?

    其实,这里面的套路是可以总结的,让我们拿更多的Python实例说话!

    ▲此实战项目为网易课堂&城市数据图案微专业《数据分析师》实战项目

    如果还存在开头提到的各种疑虑的话,这儿提供一份免费的学习大礼包,包含免费体验课《一周时间体验Python数据分析》、免费岗位解读、在线答疑以及学习资料。

    PART 1

    体验课程

    《一周时间体验Python数据分析》

    课程大纲

    1、会写代码的数据分析师是怎么样的存在?

    2、武装你的电脑:Python环境搭建及软件安装

    3、手把手教你用数据挖掘“成为领导的秘诀”

    4、怎样做出专业且高逼格的数据可视化

    5、模拟实验:排队等待时间问题

    PART 2

    免费岗位解读和在线答疑

    8月15日20:00

    岗位解读

    1、详细介绍数据分析师的行业前景、薪资待遇

    2、从真实招聘启事出发告诉你数据分析师“具体做什么”

    3、明确自己在工作流中的位置,工作的意义

    4、针对不同人群,指出各自痛点

    PART 3

    6G学习资料包

    展开全文
  • 这是我第一篇文章,如果你还没系统地学习过AI算法相关知识,它应该能够让你对AI有些新认知和理解、多些信心,至少你不会再觉得AI是那么高不可攀、遥不可及,相反,AI是普通人也可以理解、学习和实现。...

    以下全文转载自 作者:李杰克 微信公众号:小白AI之路

    写在前面

    Hello,World!

    这是我的第一篇文章,如果你还没系统地学习过AI算法相关知识,它应该能够让你对AI有些新的认知和理解、多些信心,至少你不会再觉得AI是那么高不可攀、遥不可及,相反,AI是普通人也可以理解、学习和实现的。

    大概可以用以下几个标签简单概括我:前互联网产品经理、大学学渣、非计算机专业、不懂编程,可以说是除了瞎逼逼,啥也不会…

    跟点进这篇文章的你一样,我最开始也是惊叹和憧憬于AI的神奇伟大无所不能,马上就要改变世界取代人类啊~

    不一样的可能是,我当时脑子一热:放弃数年的产品经验,开始自学编程(python)和AI实现算法(传统机器学习和深度学习算法),走上转型AI之路。

    最开始决定转型其实也是蛮纠结的,初期在网上看到经验分享,感觉机器学习的门槛真的是高的一逼啊。

    文章中各种出现高等数学、线性代数和概率论的东东, 把我这个学渣吓得瑟瑟发抖…..

    某个周六晚上,在酒吧里喝掉几杯啤酒后,借着酒意我做出了决定:搞,是个坑我也跳了…请稍稍脑补不懂编程还是学渣的我当时那种略带悲壮而又自我感动的状态!

    然后就开始苦哈哈地补高数、线代、概率论,苦哈哈地学python编程,苦哈哈地看Andrew Ng、Peter Harrington、Siraj等一众大神的书籍视频学习机器学习….

    苦哈哈的状态持续了一段时间,随着学习的推进,慢慢我也可以熟练地使用python写算法写脚本,传统机器学习和深度学习中的经典常用算法,也基本都算学习和实践过了。

    我得到的结论是:传统机器学习和深度学习的门槛并没有那么高,至少是以算法工程师为主要需求的“工程应用领域”的门槛,是没有那么高的。

    网上确实有很多不错的资料,但总是充斥着较多的数学、生涩的描述,其实并不是很适合作为小白的我们(请大牛自动屏蔽哈)入门。

    作为毫无技术背景从零开始入门机器学习的产品经理,我或许更能理解同为小白的你的痛点和需求,我自己的公众号“小白AI之路”的初衷,也是希望能够通过更有趣、更直观、更少数学的方式跟零基础的童鞋共同学习AI相关知识。

    叨逼叨结束,下面进入正题,快!上车吧!AI可以很简单!

    一、让我们先来说说“AI是什么”

    首先,我们先来界定接下来所要讨论的AI的定义和范畴。

    AI是Artificial Intelligentce的缩写,中文是大家广知的“人工智能”。 AI可以理解为让机器具备类似人的智能,从而代替人类去完成某些工作和任务。

    很多小伙伴对AI的认知可能来自于《西部世界》、《AI》、《超能陆战队》、《机器人总动员》、《超能查派》等影视作品,这些作品中的AI都可以定义为“强人工智能”,因为他们能够像人类一样去思考和推理,且具备知觉和自我意识。

    但强人工智能在现实中的发展基本处于停滞状态,目前AI的研究和应用基本都集中在“弱人工智能”领域,弱人工智能可以理解为机器看起来像是智能的,但并不会具备知觉和意识。

    弱人工智能领域的AI实现,可以分为两种方式:

    一种是通过对相关规则进行编程,让机器能够按照程序中存在的逻辑处理特定任务,从结果来上看机器是智能的;

    另一种是我们不给机器规则,取而代之,我们喂给机器大量的针对某一任务的数据,让机器自己去学习,继而挖掘出规律,从而具备完成某一任务的智能,这种方式,也就是我们今天的主角——机器学习。

    不好理解?举一个简单的例子,如果我们需要让机器具备识别狗的智能:

    第一种方式意味着,我们需要将狗的特征(毛茸茸、四条腿、有尾巴…)告诉机器,机器将满足这些规则的东西识别为狗;

    第二种方式意味着,我们完全不告诉机器狗有什么特征,但我们喂给机器10万张狗的图片,机器就会自个儿从已有的图片中学习到狗的特征,从而具备识别狗的智能。

    AI可以说是跟机器学习紧密联系在一起,那我们在来说下我们今天的主角——机器学习。

    首先,机器学习从模型层次结构的角度可以分为浅层学习和深度学习,简单介绍下两者:

    1. 浅层学习(Shallow Learning)

    浅层学习与深度学习(Deep Learning)相对,它的模型层次较浅,通常没有隐藏层或只有一层隐藏层。

    浅层学习常见的算法有线性回归、逻辑回归、随机森林、SVM、K-means、RBM、AutoEncoder、PCA、SOM等等。

    隐藏层什么鬼?这些算法什么鬼?没关系,能记上一两个名字很好,暂时记不住也没关系,我们以后会捡重要的来讲。

    浅层学习算法可以做一些预测、分类、聚类、降低数据维度、压缩数据和商品推荐系统等工作。

    1. 深度学习(Deep Learning)

    深度学习的“深”是因为它通常会有较多的隐藏层,正是因为有那么多隐藏层存在,深度学习网络才拥有表达更复杂函数的能力,也才能够识别更复杂的特征,继而完成更复杂更amazing的任务。

    令很多童鞋惊叹“AI无所不能,马上就要改变世界、取代人类”的领域,基本都跟深度学习有关系。

    目前深度学习的研究和应用,主要集中在CNN和RNN;跟着我狠狠地把这些名词记下来(至少缩写要记下来哈),他们会成为后续文章介绍的重点。

    CNN为Convolutional Neural Networks的缩写,也就是卷积神经网络,目前是计算机视觉、图像分类领域最主要的算法,当然也有人将它应用于自然语言处理领域。

    接下来举些CNN应用场景的例子,让大家有个较直观的印象:

    1)前两年大火的Prisma可以将机器学习名画的风格并迁移到新的图片上。

    2)深受妹纸喜爱各种美颜相机的滤镜,也是会用到人脸检测,用上之后感觉自己萌萌哒。

    3)交通监控视频识别来往车辆的车型,目前有些公司的产品还可以识别车牌号。

    4) 商场监控视频能够识别人脸,顺便还能根据已有数据判断这个人是否以前来过商场。

    5)当下最火的无人车中,无人车需要用计算视觉去观察和理解这个世界。

    RNN为Recurrent Neural NetWorks的缩写,也就是递归神经网络,基于RNN还衍生出了LSTM(Long-Short-Term-Memerory)和GRU(Gated Recurrent Unit)等一系列算法,这些算法拥有记住过去的能力,所以可以用来处理一些有时间序列属性的数据,在处理语言、文字等方面有独到的优势。

    RNN及其衍生算法可用于语音识别、机器翻译、合成音乐等等,我们仍然来简单举几个的例子:

    1) 以Siri、小娜、小冰、小度为代表的对话机器人,调戏Siri让她bbox和唱歌讲段子并不能充分体现你的无聊,下次你可以试试让Siri和小娜互相对话。

    2) 以谷歌翻译为代表的机器翻译,不管是文字翻译还是语音翻译,都可以把人类翻译虐成渣渣。

    3) 老罗在锤子发布会上大吹特吹的能够以极高准确率和极快速度将语音转化为文字的讯飞输入法。

    4)有粉丝等不及乔治·马丁老爷子写《冰与火之歌》第六部,就自己用LSTM算法学习了《冰与火之歌》的前五部后续写了第六部,据说AI这部作品中还揭示了前几部中埋了很久的悬念。

    二、说AI简单,因为AI本质上都是一个函数

    如果你坚持看到这里,你对AI的理解和认知大概率已经击败了你朋友圈里50%经常分享AI将改变世界取代人类的好友们。

    此刻你已经可以在聊天中用对方大概率听不懂的CNN、RNN、LSTM等一众名词来彰显你的逼格了。

    但是,作为稳重踏实、拥有内涵、崇尚科学的新时代好青年的我们来说,这还远远不够,我们总是希望能够不动声色、低调内敛、用对方看似都懂实则不懂的东西去装更高规格的逼。

    接下来,请跟我学习下正确的装的方式:XX,你知道么?其实,AI很简单,因为AI本质上都是一个函数。说的时候一定要有种云淡风轻的状态,仿佛吃饭喝水那般自然。

    看着对方有点迷离困惑的眼神,这个时候你要贴心去解释一下,以彰显你的善解人意,请再次跟我学:

    是这样的,XX,这其实很好理解,AI其实就是我们喂给机器目前已有的数据,机器就会从这些数据里去找出一个最能满足(此处用“拟合”或可提升逼格)这些数据的函数,当有新的数据需要预测的时候,机器就可以通过这个函数去预测出这个新数据对应的结果是什么。

    说完之后,请微微抬头看向远方,感慨一下:万物自有其道,人世间多少复杂的东西到末了还是要归于纯粹啊。

    但是,装逼有风险,风险请自行承担…

    其实可能你暂时也没有太理解,不要慌,我们偷偷继续理解一下。

    对于一个具备某种智能的模型而言,一般具备以下要素:数据+算法+模型,请狠狠地记住这三个词;记住了这三个词,AI的本质你也就搞清楚了。

    这个时候我们再把高冷的猫也请出来,我们来用一个能够区分猫和狗图片的分类器模型来帮助理解这个问题:

    “数据”就是我们需要准备大量标注过是“猫”还是“狗”的图片,为什么要强调大量,因为只有数据量足够大,模型才能够学习到足够多且准确的区分猫和狗的特征,才能在区分猫狗这个任务上,表现出足够高的准确性;当然数据量不大的情况下,我们也可以训练模型,不过在新数据集上预测出来的结果往往就会差很多。

    “算法”指的是构建模型时我们打算用浅层的网络还是深层的,如果是深层的话我们要用多少层,每层有多少神经元、功能是什么等等,也就是网络架构的设计。相当于我们确定了我们的预测函数应该大致结构是什么样的,我们用Y=f(W,X,b)来表示这一函数,X是已有的用来训练的数据(猫和狗的图片),Y是已有的图片数据的标签(该图片是猫还是狗),聪明的你会问:W和b呢?问得好,函数里的W(权重)和b(偏差)我们还不知道,这两个参数是需要机器学习后自己找出来的,找的过程也就是模型训练的过程。

    “模型”指的我们把数据带入到算法中进行训练,机器就会去不断地学习,当机器找到最优W(权重)和b(偏差)后,我们就说这个模型是train成功了,这个时候我们的函数Y=f(W,X,b)就完全确定下来了。然后我们就可以在已有的数据集外给模型一张新的猫或狗的图片,那模型就能通过函数Y=f(W,X,b)算出来这张图的标签究竟是猫还是狗,这也就是所谓的模型的预测功能。

    到这里,你应该已经能够理解AI的本质了。我们再简单总结下:不管是最简单的线性回归模型、还是较复杂的拥有几十个甚至上百个隐藏层的深度神经网络模型,本质都是寻找一个能够良好拟合目前已有数据的函数Y=f(W,X,b),并且我们希望这个函数在新的未知数据上也能够表现良好。

    三、AI算法模型的实现可以说是相当easy啦

    如果你坚持看到这里,那请你为自己打call!因为你对AI的理解和认知应该大概率已经击败了你朋友圈里70%经常分享AI将改变世界取代人类的好友们。

    接下来我们再往前走一步,简单说一说实现一个AI模型可以多么简单,看完后,相信你会信心爆棚的!

    其实李杰克(也就是我啦)最早也是抱着异常悲壮各种被虐地心情走进AI的。学习大概分为三块:

    1. 学习AI第一语言python:

    这里我要为python疯狂打call,因为python作为万能胶水语言能做的事情实在太多,并且..它还异常容易上手。

    我大概花了50个小时学习了python的基础语法,然后就开始动手写代码去爬小说、爬网易云音乐的评论等等程序。

    额…据说很多人第一个python的爬虫是去爬不可描述的网站上那些没穿衣服的可爱的女孩子们的相片…

    总之,python是整个过程并不耗精力的环节,但是刚开始背记语法确实是无聊无趣的,需要些许的小坚持,给你提个醒哟…

    1. 学习传统机器学习和深度学习相关算法:

    这块算是花费我最多精力和时间的环节,看了蛮多的视频、书籍,还有网上的各种博文,还自己去补了高数线代概率论相关知识。

    但结论是,如果你仅仅关注工程领域实现的话,其实很多算法压根没有必要用那么数学的东西去推导,换种方式你的理解和时间成本会下降很多。我也希望之后能够用尽可能简单有趣的方式跟大家分享和学习。

    1. 算法和模型的实现:

    最开始我尽可能去理解和推导算法,然后用python代码去实现算法再train模型,那个时候觉得啊算法还是要吃透啊,代码能力也要很重要啊,不然你TM的模型都建不起来啊,小伙砸你要静下心来慢慢搞啊。

    后来,我开始接触到深度学习大杀器——Google的深度学习框架Tensorflow。

    真的是一度有些蛋蛋的忧郁呢,我也算是鼓起了些勇气、下了些决心、放弃了些机会开始转型的,我还指着靠AI当上CEO、迎娶白富美、走上人生巅峰呢。但是…

    不是说好的有很高的数学门槛么?

    不是说好的很高大上大家都搞不懂的么?

    不是说好的需要深刻理解算法才能更好train出好model的么?

    为什么算法模型损失函数优化方法Tensorflow都内置好了,而且只需要异常简单的调用就好了?

    再后来,我接触到了Keras,一个基于Tensorflow构建的深度学习框架,当然也有基于Theano的版本(Theano什么鬼,暂时你也可以不用关心的)。

    如果说Tensorflow是可以把一个模型代码量大大减少的框架,那么Keras就是让模型代码量可以少到掉渣的框架。

    刚才跟大家说了那么多猫狗分类器模型,现在就给大家看下这个分类器模型代码在Keras框架可以少到什么程度!!!

    这里写图片描述

    那么寥寥几行代码就把一个拥有着卷积层、池化层和全连接层并且使用Adam这个较高级优化方法的深度学习网络架构写出来了,你自己感受下在Keras下实现深度学习算法模型有多简单了吧

    有没有为自己的惊奇发现感到开心!

    写在最后

    “小白AI之路”第一篇文章已经快到尾声了,如果你坚持看到了这里,那大概率你对AI的理解和认知已经击败了你朋友圈里90%经常分享AI将改变世界取代人类的好友们。

    接下来我们的目标是从剩下的10%里往上爬,我也希望能够通过更有趣、更直观、更少数学的方式跟大家分享和学习AI相关知识。当然我也还是一个AI世界的小学生,也还在努力地学习和奔跑。如果大家想要继续follow这一些系列文章或者想要与我交流的,可以关注我的公众号“小白AI之路(AI-Learning)”,当然也可以加我的私人微信号“mayiyanzhi”做更多的探讨和交流!

    如果大家觉得还算有那么一丢丢的收获并且身边也有朋友在关注和学习AI的话,请随肆无忌惮随意分享哈!顺便助我摆脱零粉丝蛤蛤蛤!

    转型AI产品经理,原来不需要学那么深的算法和数学模型

    展开全文
  • 本篇文章是作者多年来一些感受,主要写给那些想学习程序设计而又很迷惘朋友,希望可以带来一点帮助。我第一次接触电脑是在小学二年级时候。那时纯粹是因为喜欢打电子游戏,听别人说电脑上游戏十分好玩,于是...

    本篇文章是作者多年来的一些感受,主要写给那些想学习程序设计而又很迷惘的朋友,希望可以带来一点帮助。
    我第一次接触电脑是在小学二年级的时候。那时纯粹是因为喜欢打电子游戏,听别人说电脑上的游戏十分好玩,于是就漫漫开始与之接触了。在三年级时父母出于我对计算机浓厚的兴趣送我去了一个BASIC编程学习班,从那时起我才真正开始走上编程这条不归之路。虽然说现在程序设计这门专业在社会上很热,竞争十分激烈,但是这只是学习编程的人比较多而已。真正能够掌握以至于精通的人实际上很少,毕竟中国的软件业才刚刚起步不久。现在社会对优秀的程序设计人员的需求量还是相当大的,但是前提是必须要优秀。我自己虽然也谈不上优秀,但多少还是有些感触。在这里想讲述自己对于一般程序员和优秀程序员之间在技术上的一些认识(什么敬业精神生活态度我就不多说了):

    首先作为一个优秀的程序员,数学是十分重要的。数学是自然科学的基础,计算机科学实际上是数学的一个分支。数学主要能让人懂得一种分析问题的方法,然后再通过编程去实现它。计算机内部的许多原理也都牵涉到比较复杂的数学知识。它是我们用来解决现实问题的最高效的工具。很多学习编程的朋友对数学觉得不屑一顾,觉得对于编程没有什么关系。实际上优秀程序员和一般程序员拉开档次很大一个程度上就是取决于对数学的能力。一些项目有时需要很复杂的数学建模和利用数学对于系统效率进行分析,而这些项目对于一般的程序员是很困难的。正确应用数学知识有时候能使你的程序的效率产生质的飞跃。现在的程序员在数学上普遍是薄弱环节,这点是大家应该引起足够重视的。当别人对于这些项目感到无从下手,而你却能够完成,这个时候你的价值也就表现出来了。真正优秀的程序员是能够最基本的一点就是要能够通过自己的知识来解决一般程序员所无法完成的问题。而数学能力就是一个很重要的环节。

    其次就是要对数据结构引起足够的重视。如果说计算机专业的学生与非计算机专业的最根本的差别绝对是数据结构(数学大家都一样学了,主要看你自己学得好坏)。对数据结构的掌握与运用能力是衡量你编程能力的一个很重要的指标。有的人对于看了链表,栈,树,广义表这些东西就头痛。然而这些东西往往能使你的程序的效率比别人高出百倍。由于一直搞信息学竞赛,到了大学又搞ACM,所以我对数学和数据结构都掌握得相对较好。这使我在应聘与工作中明显感到胜人一酬。记得自己大学时去一家公司应聘的经历,当时去应凭的还有3个人,有2个大学毕业,有个也工作了一段时间了。他们几个都在大讲自己的能力如何之强,会使用的语言及编程工具如何之多,经验如何之丰富。按理说我应该是资质最浅的。当时也是初生牛X不怕虎,也就硬着头皮去了。当时面试的题目是一个公司的资金管理项目的一个问题,要求每个人都在思考后给出自己的设计方案。其中比较核心的一个问题就是要计算一个资金最小波动值的问题,给出的数据量相当大,对效率要求很高。对于整个程序的面向对象化的分析我们几个都是差不多的,毕竟这些东西在学校里是很重视的,而且不是真正的难点。然而到了最关键的问题时其余的人都卡壳了,有两个是用简单的双重循环,时间复杂度(N^2),惨不忍睹。还有一个在冥思苦想了好一阵以后说用树,具体技术细节又讲不清楚,效率分析也很马虎。只有我当时很快就给出了采取AVL树的方案,并且利用高等数学推导作出了很详细的效率分析和时空换算,并提出了引入汇编的方法。很自然的我得到了这分工作。在这里大家显然可以看到数学和数据结构对于一个优秀程序员是多么重要,它们是和一般的程序员打开档次的最关键的地方。这样向“枣子”碰到的那种情况应该很轻松的就可以想到。

    如果你是一位想学习编程的朋友,我经过多年的学习总结出来了一个学习的线路希望对你有所帮助。要学习编程是要有很大恒心和毅力的,首先你要明确自己的目标,想好自己编程是为了干什么。如果你学习仅仅只是一时想编出QUAKE和成为比尔盖次的冲动,那么我劝你还是应该还是不要开始学习,应为这样的目标很难支持你日后大量的学习。而且你的年龄不能太大(最好是中学或者大学生)。如果你想好目标并决定开始奋斗,那就让我们开始吧。如果你一开始对电脑一无所知,那么你应该先熟悉一些电脑的一些最基本的原理和操作,这个不需要特别细致的学习,只要大概知道二进制和一些基本操作就可以了。接下来你应该先学习BASIC语言,这个语言并不会耽误你太多的时间,学习它完全是为了入门,让你对电脑编程有一个比较初步的认识。这时候你应该多编一些小的程序,知道一些最基本每条语句的功能,搞清楚一些基本的数据结构(尤其是数组)对于一些其余用途的函数最好不要做任何学习,因为这样只会分散你的注意力。当你能够可以熟练的运用BASIC编出猴子选大王,以及电脑出题考试之类的程序时,你就可以开始后面的学习了。接下来如果觉得自己接受能力强的话就可以开始学C了(注意不是C++),如果感觉有困难也可以先学Pascal过度一下。还有很重要的一点就是千万不要一开始就学VB,DELPHI,VC之类的东西,这些东西在一开始学会对你造成很坏的影响。有可能会把你引入另外一个错误的学习方向而忽略了真正应该掌握的东西。学C主要是学过程话的程序设计,学会把自己的程序分成许多的函数(或过程),养成良好的编程习惯。这时可以多看一下高人的程序,不一定要懂意思,主要是学会别人程序的格式(比如变量如何起名,怎么划分函数)。除开掌握基本的控制流语句外,应该学习一些很简单的I/O函数和数学函数。C的学习主要是你舍弃原来BASIC程序那种把所有语句积成一大堆的风格,要学会使用函数,提高代码重用性。对于指针之类的东西如果实在看不懂可以先不去管,到后面会有办法。当你能够比较自如的用C编写一些小的计算程序时,你就可以开始你的数据结构的学习了(数学的学习主要是在学校,自己要多用心)。数据结构你可以一点一点漫漫看,并不需要专门空出一段时间来专门研究,这样的目的是让你能够很好的掌握它,要学会用数据结构的知识来规范自己的程序设计和提高程序的效率。学完C我认为接着最好学习汇编。这个或许有许多人都会反对,然而我个人认为这样是很好的。从最基本的DOS汇编开始,买本《IBM PC汇编程序设计》(清华黄皮)一定要一点一点吃透,实在看不懂就跳,反复的严读是一定可以看懂的。汇编是一定要掌握的,因为它涉及到很多最基本的知识。掌握了汇编和对I/O有了个很彻底的认识后,应该去学编译原理。这个东西并不要精通,但是一定要知道,在大脑里要有一个这样的概念,这对你对程序语言的控制能力都有很大的帮助。这样最基本的学习就算完成了。一般智力正常的人前一段东西应该都是可以掌握的。接着后面的学习就要看你自身的造化了。这个时候你应该研究一下数据结构,不要分散自己学习的注意力,要知道数据结构是异常重要的(相信我,绝对没错)如果你觉得自己已经对于树,连表,堆栈之类的东西和排序,递归之类的算法已经十分清楚,就可以开始学习C++了。学习前一定要有个正确的认识,那就是C和C++是两个不同的东西。学习C++是为了学习面向对象的程序设计,这个时候你对于指针应该也能够掌握了(有汇编的基础),主要抓住C++和C相比的一些新特性,对于多态之类的特性要注意理解掌握,如果没有搞懂就坚决不要往下学习。一些基本的概念掌握以后可以看一些别人设计的程序,学习别人怎么利用面向对象的方法来设计程序的。这个东西也是人之间拉开档次的一个环节,可以和数据结构放在同等重要的地位。我就见过有的人都大学毕业了还搞不懂virtual到底是怎么一回事情。其实我认为学到这里你已经为你成为一个优秀的程序员打下了很好的基础,你已经能够应用C++,懂得面向对象程序设计,对数据结构掌握很好,掌握汇编和编译原理。接下来的学习就是基于操作平台的了,一般是先学windows(Microsoft毕竟是老大),先学win32 api,搞请windows基本消息机制和原理,有汇编基础基本上不会碰到什么困难。其实只要会了API,其余什么MFC,VCL都是囊中之物了,都不过是对于API的封装而已。VC,C++Builder都可轻松拿下,这只是开发工具的问题。以后的OLE(ActiveX),.NET,数据库就要看自己的发展方向而定了。我在这里强调的是前面的基本能力的学习,后面操作平台虽然知识体系庞大,然而毕竟比较死,更好掌握。最后编程能力的高低主要还是有以下几点决定:1。编程的习惯 2。数学能力(包括逻辑思维,分析问题的能力) 3。对数据结构的认识能力 4。经验的多少(包括多使用语言的掌握能力)

    展开全文
  • 比如,不是计算机专业的可以学编程吗?数学一直就不好,可以转行IT吗?编程开发,对英语的的要求会不会很高? 不是计算机专业的可以学编程吗?  该怎么回答呢?先借名人效应,开个头~比尔盖茨是法律...

           很多小伙伴,都会问笔者或者对自己有类似的疑问。比如,不是计算机专业的,可以学编程吗?数学一直就不好,可以转行学IT吗?学编程开发,对英语的的要求会不会很高?

    不是计算机专业的,可以学编程吗?

      该怎么回答呢?先借名人的效应,开个头~比尔盖茨是学法律的,扎克伯格是学心理学的,Github 的创始人Tom是学物理的......往往把互联网干的最好的一批人都是跨专业的,为什么?因为他们的思维往往是更加发散的,反而技术岗的同学更容易把自己的思维限制在技术的方方框框内。

      当然了,不能一概而论。但是,技术,具有唯一性!只要你想学,有这个决心去攻克它,是不是计算机专业,真的没有那么重要!而思维,它是灵活多变,不可捉摸。在独特思维指导下的开发,能够赋予技术更加灵动的特性。

    数学一直没学好,可以转行学IT吗?

      这么说吧,网上经常提到几岁的小孩,能够自己编写一些简单的游戏程序,相信他们的数学知识也没有学多少。所以说,与其说数学不好,不如说逻辑和分析能力不足。

      不可否认的是逻辑分析能力,对学习编程,很重要!相信大家都知道,计算机专业,都有高数、线性代数等的专业基础课。这些不仅仅是用来训练逻辑思维和分析。当你开始深入学习编语言程之后,你会发现编程很多算法涉及数学。看到这里是不是很绝望?但是这根本就不需要担心!

      都说在IT行业“英雄不问出处”,有一技之长,互联网就有给你展示的舞台。的确,这就是互联网最大的魅力,只要你对他有兴趣,他就能对你有无限的包容性。

      有逻辑爱专研的人,可以学编程;有灵感爱设计的人,可以学UI;有墨水爱写作的人,可以学新媒体;有想法爱统筹的人,可以学产品;

      互联网强大的兼容性,给了想从事互联网行业的人更多的选择!

    学编程开发,对英语的要求会不会很高?

      在很多年前,互联网还没有那么发达的时候,那时学习编程,门槛相对比较高,同时对英语的要求也比较高。因为那时开发,都是需要去查MSDN开发文档,全都是英文,而且那时候也没有其他资料可以查。但是现在不一样,有什么问题,直接上网上一搜,很多答案都有,而且很多资料在我们自己的文档库都能找到。不过从另一方面讲,英语好的优势不可否认,很多时候,可以省去很多麻烦,方便许多。但是,它却真的不应该成为你学习IT技术阻碍!

      就拿笔者身边的一个例子,一名Java开发工程师,去年毕业,目前就职于去哪儿网国际机票组~(悄悄告诉你,就在写文章的同时,笔者询问了一下关于英语的问题)

      所以,数学英语学的精不精,对学习IT技术,不会是问题!

      总结而言,当你不够自信,不够热爱,你就会众多犹豫和疑问。这些犹豫和疑问会占用你很多的时间,会进一步消磨你的自信,这个时候,不妨踏出一小步,学着去接触、去尝试,或许可以拨开云雾,看见另一片天空!

           学习C/C++编程,欢迎关注笔者,一起成长吧!有兴趣可以关注我的微信公众号“C语言编程学习基地”。

    展开全文
  • 并不是严格分工、不交叉,因为在最终论文写作中,写论文人要懂得你想表达的数学思想,并转换成专业的描述写下来,而主攻数学模型人,也要懂得一些matlab等软件使用,最起码你要知道这一点可以用软件解出来...
  • 如果自己很迷茫,为了这些原因想往大数据方向发展,也可以,那么我就想问一下,你的专业是什么,对于计算机/软件,你的兴趣是什么?是计算机专业,对操作系统、硬件、网络、服务器感兴趣?是软件专业,对软件开发、...
  • 如果自己很迷茫,为了这些原因想往大数据方向发展,也可以,那么我就想问一下,你的专业是什么,对于计算机/软件,你的兴 趣是什么?是计算机专业,对操作系统、硬件、网络、服务器感兴趣?是软件专业,对软件开发...
  • 转专业申请书范文.doc

    2021-01-19 11:56:50
    转专业申请书范文 根据教育部《普通高等学校学生管理规定》,学生可以按学校规定申请转专业,下面小编为大家精心整理了转专业申请书范文,以供参考。转专业申请书范文篇一 尊敬学校领导: 你们辛苦了,我是刚刚...
  • :原文出处不详,以本地文本方式保存,感谢原作者。     不知不觉做软件已经做了十年,有成功喜悦,也有失败痛苦,但总不敢称自己是高手,因为和我心目中真正高手们比起来...据我观察,计算机专业...
  • 转专业申请书样本5篇... 现在郑重提出转专业申请,希望从小学教育(数学教育)转入电子信息科学与技术专业。 我看过学校转专业的相关规定,知道这个时候提出转专业是不合适。但是从小我就不爱教育这种工作,甚至...
  • 技术终归带来社会的进步,同样带来很多就业岗位,中国的众多985 211大学里面工科生是很多的,传统的工科研究生也是很大批量的,你们也不比谁差,只是你的专业不是科班计算机而言,在我看来计算机学科是一门更考验...
  • 自:http://blog.csdn.net/tangl_99/article/details/4785550  在美国似乎很多外专业的同学喜欢来抢Computer Science同学...大家都说计算机是民工专业,随便一个学数学,生物,甚至物理化学学生都可以很容
  • 化学专业尽早转行 您可能已经听说过这样说法,即编码或计算机编程在21世纪与上世纪阅读和数学一样至关重要。 我将更进一步:教年轻人编码可能是您可以赋予他们唯一改变生活技能。 这不只是一种职业增强器。 ...
  • 四个月前,通过层层选拔走,成功从数学专业转到网络专业,不得不说这是一个错误选择,身为一个佛系青年,渴望单纯我,本来可以好好沉溺于数学的思考之中,现在好了,因为相当黑客一丢丢小激动,来到了这深...
  • 也请专业领域大神批评指正。感谢大家关注与支持!这是第六篇功能指令,本篇介绍两个简单定时器指令应用实例。上一篇是《基于博途V15 西门子S7-1200 数据处理指令应用-比较运算》,大家可以自行查阅学习。1. ...
  • 随着互联网行业迅速发展,市场对于程序员需求增大,越来越多人开始转行到IT领域,程序员也不再基于计算机科学或软件工程等个别专业的毕业生,其他非计算机相关专业的,像物理、数学、自动化,甚至英语、艺术...
  • 大学主要学数学和计算机编程相关课程,属于数学系里面分支,感兴趣小伙伴可以搜索了解下这个专业。在学校经常自嘲自己专业:数学学不过数学专业的,计算机学不过计算机专业的。 职业背景 职业经历之路 毕业两...
  • 一般来说程序员刚毕业就能比某些行业同届毕业高几倍工资,于是越来越多人开始转行到IT领域,程序员也不再基于计算机科学或软件工程等个别专业的毕业生,其他非计算机相关专业的,像物理、数学、自动化,甚至...
  • 笔者(萌新)两三话:本科是海员专业,研究生转行,无任何基础,总算自认为把自抗扰原理和各个公式部分搞懂了,希望个人学习经历可以帮助其他人。 会有大量转载别人内容(会标明出处和链接) #DT 2级标题 ...
  • 不知不觉做软件已经做了十年,有成功喜悦,也有失败痛苦,但总不敢称自己是高手,因为和我心目中真正高手...据我观察,计算机专业的人比其他专业的人更能写出高质量软件。程序人人都会写,但当你发现写到
  • 作者:金蝶中间件公司CTO袁红岗不知不觉做软件已经做了十年,有成功喜悦,也有失败痛苦,但总不敢称自己是高手, 因为和我心目中真正高手...据我观察,计算机专业的人比其他专业的人更能 写出高质量软件
  • 作者:金蝶中间件公司 CTO 袁红岗不知不觉做软件已经做了十年,有成功喜悦,也有失败痛苦,但总不敢称自己是高手,因为和我心目中真正...据我观察,计算器专业的人比其它专业的人更能写出高质量软件。
  • MATLAB学习心得体会.doc

    2020-01-19 11:51:20
    学习MATLAB心得体会 MATLAB中有丰富图形处理能力提供了绘制各种图形图像数据函数他提供了一组绘制二维和三维曲线函数他们还可以对图形进行旋转缩放等操作MATLAB内部还包含丰富的数学函数和数据类型使用方便且...
  • 《车辆工程仿真与分析——基于MATLAB实现》既可以作为车辆工程专业现代设计方法类参考教材,也可以作为机械工程以及相关机电专业高年级本科生及研究生学习MATLAB仿真工具书,特别适合作为本科生课程设计及毕业...
  • 考研 二 续

    2012-01-09 09:44:04
    专业风格和数学有些类似,从而在复习过程中应该通过基础知识扎实把80分选择题做好,这是需要认认真真复习才能实现,对于70分解答题,如果专业课学习时比较认真,应该明白哪些是有可能出大题点,多...
  • 技术转型与考研总结

    2017-11-07 00:22:00
    所以针对想在职考研(仅针对计算机其他专业可以参考)朋友们 本人提供一下经验。 一。数学 看张宇考研视频 百度云盘一般很多 尤其是对数学不太感兴趣人 强烈推荐去看 能将数学如此生动想象 ,我觉得非宇...

空空如也

空空如也

1 2 3 4 5 6
收藏数 111
精华内容 44
关键字:

学数学可以转的专业