从小白到大神，你可能需要这么做！

七八年前，我绝对是不会相信能够成为现在的自己，之前的我可以说是对计算机都一无所知的小白，而现在我已经就职于顶级互联网公司，并且已经获得数了十个数据挖掘比赛冠军，刚毕业年薪 60w+。

但是故事还是需要从头说起...

1

我想大部分人有和我类似的经历：

也许是某几次的考试失败，例如中考，高考；

也许是进入了一个很普通的学校，学了一个懵逼的专业；

也许是周围没有理解你的朋友；

你甚至不知道为何就变成现在这个样子...

是什么时候，世界变成这个样子了；

单向度的盼望，所有人都在盲目追逐着一波又一波的潮流。

我们也深刻明白我们之所以成为自己是因为所处的时代性；

这是一个人工智能的时代，大家都在疯狂的追逐一个又一个的名词，数据挖掘、机器学习、深度学习等等，每个人都害怕被淘汰，每个人都想去学习新的知识，因为这代表着未来，代表着稀缺，当然也代表着金钱。

本科时代的我也是如此，我追逐着当时觉得的每一个潮流。

大一的时候，觉得 iOS 开发很酷，我们会去图书馆翻阅各种 iOS 相关的书籍，也就是六七年前，我基本上翻阅了所有的能找到的相关书籍，那时候我从不会怀疑自己以后能否会成为一个出色的 iOS 开发工程师，因为我是如此努力的在学习能够接触到的任何资源，可是并不是这样，我甚至到最后都没法自己独立写出一个非常简单的 App。

2

后来我觉得是自己算法水平太差了，于是就开始“疯狂”地刷题，POJ、UVa、HDOJ 什么的；同样一开始也觉得很酷，周围同学都在写 Web 开发，我们几个就天天在啃算法导论。这种自以为是的“努力”状态持续了半年，记得每周除了周四，除了上课，我们都是训练到晚上十一点，我以为我是一个很好的 Programmer，可是一场网络赛垫底的排名就让我明白了，并不是如此。

那一个月是非常迷茫的，一直在思考为什么自己想做的，并且也努力去做的事总是惨痛作为结局。

3

看到这里，你们会觉得这是一篇非常丧的文章。但这里我们不会探讨过多的人生，人生的事交给自己去吧，我们更愿意讨论如何学习。

为什么你努力去学的东西，在你付出了巨大的努力之后，你还是没有做好？

为什么你总是抱有希望，即使“教你的如何快速上手 XX”，“多少天入门 XX”系列你早已经麻木？

上面的故事还没完，直到我有一天遇到了一位大神朋友，ACM 两块金牌，从小都是保送着过来的，他告诉我 ACM 很简单的，你刷个 5000 道题目就可以秒杀别人了。

是的，我才刷到了别人的二十分之一，就开始 YY 得到应有的荣耀了。

从那以后，我知道了“努力”是啥，这只是一种习惯，其他什么都不是。

但是故事还有另外一个版本，直到我偶然的某天，在网上看到“30 天轻松入门 iOS 开发”，并且尝试听了听，半天之后我就觉得，随便上网找门免费的课程，从头到尾跟着学一遍，真的其实入门就够了。

4

那么对于学习来说，这两者有什么区别？

我觉得就是你需要别人带你入门、实践、系统性的学习，但是成为大神，你只能靠你自己。

我大二的时候，也就是六七年之前，MOOC（大型网络公开课程）刚刚兴起，也是那个时候接触机器学习的，那时候机器学习甚至都没什么人听说过，不过在经历了两次惨痛的教训之后，我通过 MOOC 学习了超过 40 门的课程，其中大部分被都是机器学习相关的，极其幸运，我终于入了门。

对于我来说，依旧踩了很多很多的坑，尤其是我学了这么多的入门课程，实际上我的机器学习水平依旧处于很底端。

显而易见的事，大家都会满足于一个舒适区，天天学入门课也是如此，一方面满足了学习上的安慰，另一方面入门课简单。

5

好了，终于步入正题了...

作为一个过来人，其实我已经深知怎样的学习方式会带来怎样的效果，另外我也想帮助更多的人来更好地入门这个行业，所以这里我和几位朋友合作计划了一套相关的入门课程。

这门课是由我们几个人一拍既合推出的，名字叫做《Python 数据分析与机器学习基础》。

嗯，就如名字一样，这是一门非常系统基础的课程，学完这门课不能帮助你立马成为大神，你不会精通 Sklearn、Pandas，你也不会精通每一个算法的推导细节，你也不会参加数据挖掘比赛就能拿第一。

但是这门课可以帮助你脱离舒适区，真正的进入这个行业，我们的课程设计宗旨就是如此。

我们的老师，都是同样经历了初学者的烦恼了，有科班出身的，有数学系毕业，也有半路转行的，因此可以放心，我们更加懂得大家需要什么。

当然最为重要的是专业性和负责任的态度，这一点是我们这门课可以唯一保证的东西，剩下的都只能靠你自己。

下面介绍一下我们的课程吧，这是一门可以帮助你顺利入门或转入这个行业的基础课程，另外你也不必担心任何基础。

因为我们也了解很多朋友在学习一门课的时候因为存在一定的门槛而无法顺利入门，这太常见了，所以这也是我们设计这门课程时着重考虑的点。

其实我们之前也开办过两期机器学习相关的课程，但是目前发现能坚持下来的朋友已经很少了。我们做过一个调查，不少朋友是还是因为基础的知识不够扎实，导致学习非常吃力，后来无法跟得上而放弃了。所以这次为了避免这种情况，我们完全从零基础开始讲起，带你顺利入门 Python 数据分析与机器学习。

下面是课程的一个大纲：

本课程将介绍如何使用 Python 进行数据处理、数据分析与可视化、机器学习建模等。

第1部分：Python 入门

• Jupyter Notebook 介绍，它们提供了数据科学家需要的计算环境；

• 讲解 Python 基础语法，掌握 Python 注释、缩进、数据结构以及控制流等。

第2部分：使用 NumPy 与 Pandas 进行数据处理与分析

• 学习如何使用热门的数据分析工具进行数据处理，来帮助自己处理现实中的问题；

• NumPy:  用 Python 高效地存储和操作大型数组，很方便地进行数据变换；

• Pandas:  用 Python 高效地存储和操作带标签的/列式数据，可用于数据挖掘中的各种特征处理；

第3部分：机器学习入门与应用

• 讲解特征工程与机器学习算法，并学会如何建立模型，并将模型应用在多个领域的数据中；

• Scikit-Learn：它提供了各种机器学习算法高效整洁的 Python 实现。

本课程将从 Python 编程基础教起，并一步步学会如何进行数据分析。当然如果你具备一定的编程经验背景的话可以帮助你更好地掌握课程中的知识，当然没有也完全不必担心。

课程我们一共设计了八周，课程安排是这样的：

这里我们设计了 Python 基础入门、数据分析和机器学习入门基础课程三大部分，设计了如下的学习模式，建议大家仔细看一下：

• 每周一会在知识圈发布阅读材料，学员自行下载阅读学习。

• 每周四会在知识圈发布与本周学习内容相关的作业。

• 每周六为学员在知识圈中提交作业。

• 平日学员可以随时在知识圈中提问，专业老师会在24小时内回复你的问题。

• 另外，我们也鼓励学员间互相帮助，互相讨论提出的问题，同时巩固自己所学知识。

通过这门课程你可以获得如下内容：

• 高效、科学的 AI 入门学习计划

• 国内 TOP 2 高校的大咖导师们零距离答疑

• 获得超过 10 个机器学习比赛冠军的大神们的经验分享与答疑解惑

• 课程期间由就职于国内互联网巨头的职场达人们进行职业、学习路径答疑

• 助你获得高质量技术交友圈的微信群

• 助教交流互动

另外最后我还想说的是，这部分课程是我和几位朋友精心设计来帮助大家从零入门数据分析和机器学习的课程，没有任何基础真的没关系，只要你能跟着我们一点点学下来，我们可以保证你可以真正的入门这个行业，这其实也是我们的宗旨所在。

最后说一下课程定价， 99 元，可以说比市面上的课程实惠很多了。

如果你已经在其他行业小有所成想了解一下数据分析或机器学习，或者如果你想从其他行业转行到这个方向，或者甚至说你还是对数据分析和机器学习一无所知的小白，你都可以加入我们。

最后也就是最重要的了，大家可以下方的扫描二维码查看课程的详情，然后点击报名参与即可：

最好的投资就是投资自己，我们也会与你一路同行！

本篇文章来源于: 菜鸟学Python