最近1年的主要学习时间，都投资到了 python 数据分析和数据挖掘上面来了，虽然经验并不是十分丰富，但希望也能把自己的经验分享下，帮助到更多想转行python数据分析和人工智能的朋友，给广大同学朋友规划个适合学习规划。
我大学学习的应用化学，后来毕业做了2年全栈设计师（PS：设计和前端都不熟练的那种），后来出于对爬虫开发的喜欢（爬图片、爬视频）还有人工智能、机器学习、大数据的火热程度的追捧，毅然决然报了培训班，在深圳培训了半年python，后来出来找工作，在期货交易所工作，主要工作是数据处理和分析、机器学习、自然语言处理、图像处理等，项目是一个全自动化智能云测试云平台，现大概讲下想转行数据分析、机器学习、人工智能应该必备的知识和学习路线
转行数据分析（机器学习、人工智能）学习路线：
0、学习python基础语法知识（ps:0是第一个公众号回复：python）
1.学习MySQL，能熟练对数据库数据的增删改查命令，面试也会经常问到
2.学习正则表达式，用于数据的提取 re模块
3、前端入门html\css\jquery,用于分析网页页面结构
4.学习爬虫技术，熟练掌握requests、scrapy模块，可以从网络上爬很多数据源，用于分析统计（转行数据分析可以先从爬虫做起，公众号回复：爬虫）
（以下几个模块是数据分析最常用的库，一定要学好）
5.学习科学计算和分析包，numpy 和 pandas(公众号回复：数据分析)
6.学习可视化，分析结果可视化的包 matplotlib，实现数据绘图展示
7.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）
8.神经网络的框架，推荐学习 TensorFlow 或者 keras，karas 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。
9.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）利于时间序列分析分析，长短时间记忆（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。
10.如果你想做正规的 Python 工程师，需要学习面向对象，掌握面向对象思维，无往而不利
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python开发者，个人建议最好还能运用一种后端框架，能够搭建web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web转过来的，而爬虫和web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
Python 数据分析是一个非常专业的方向，需要有较多的数学理论知识，而且需要有刻苦专研的精神。既然是编程语言，就需要写很多代码，我至少写了 10k行代码了。最后你还需要了解你自己希望从事什么行业，传统数据挖掘在银行，保险，电信，电商等领域已经很普及了成熟了。对于那些高级的神经网络，也就是类似AI 领域，在图片语音视频识别，自动驾驶，量化投资，机器人等领域有很好的。很多分析师都转行做这块了，还是话说回来，想学习的很多，多实践，加油！
经验有限，不足之处欢迎指正！