我应该学习编程语言应该从哪里入手
学习阶段，贵精不贵多，选择一个语言，研究得尽量深入一些。多写、多想、多总结，技术需要一个积累的过程，别急。可供选择的语言：C/C++：无所不能，灵活强大，但由于高度灵活，掌握难度也高，成长曲线相对陡峭。python：当红，入门容易，当前火热的人工智能以及大数据背景下，很容易找到相关的资料，虽然做别的方向也是胜任的，但目前大家跟风的很多，不大容易找到其他方向的同路人。JavaScript：当红，入门容易，社区活跃，类库层出不穷，主流方向是web开发，可以包揽前后端。但是开发环境的搭建需要大量类库配合，繁琐程度超过了当年Java。Java：因为跨平台，加上活跃的社区贡献了大量优秀的类库，于是Java以业界标准的姿态横扫整个市场，时至今日，新构建的项目仍然大量使用Java，大量成熟的解决方案也都是基于Java的。C#：优秀的语法，深厚的背景，丰富的第一方类库，用起来是最省心的一个。只可惜早期市场策略的问题，导致一直在Java身后追赶。尽管缺乏Java那样的解决方案支持，但是中小型系统开发的高效率，让它绝对是个好选择。个人背景：10年C#开发经验，完全不会C/C++。
■网友
目前数据分析、机器学习的应用如火如荼，许多同学都有意参与到这股学习的热潮中来，但是令人苦恼的是，学习资料有很多，但是常常感觉无从下手。
【我应该学习编程语言应该从哪里入手】 这是因为，这里所涉及到的数据科学是一个综合学科，想掌握他需要熟练使用一门编程语言、了解常用的数据处理工具、深谙线性代数、概率统计、时间序列分析等数学基础以及玩转常用的机器学习算法，这是一条不算轻松的道路。
学习不光要用苦工，更要使巧劲，我们需要精心设计一条有效的学习路径，沿着他一步一个台阶的高效踏上数据科学的学习之旅，每一步都承上启下、收获满满。
我想，一条科学的学习路径应该是这样的：
第一阶段：Python编程语言核心基础。快速掌握一门数据科学的有力工具。
第二阶段：Python数据分析基本工具。通过介绍NumPy、Pandas、MatPlotLib、Seaborn等工具，快速具备数据分析的专业范儿。
第三阶段：Python语言描述的数学基础。概率统计、线性代数、时间序列分析、随机过程是构建数据科学的基石，这里独树一帜，通过python语言描述这些数学，快速让数学知识为我所用，融会贯通。
第四阶段：机器学习典型算法专题。这一部分利用前面介绍的基础知识，对机器学习的常用核心算法进行抽丝剥茧、条分缕析、各个击破。
第五阶段：实战环节深度应用。在这一部分利用已有的知识进行实战化的数据分析，例如：对基金投资策略、城市房屋租赁等热门数据展开围猎。
关于数据科学更系统、更深入的探讨可进入我们的专栏《Python数据科学之路》：
酱油哥：来吧，一起踏上Python数据科学之路本专栏模仿美剧剧集编排分为五季，第一季：Python编程语言核心基础、第二季：Python数据分析基本工具、第三季：Python语言描述的数学基础、第四季：机器学习典型算法专题、第五季：实战热点深度应用。
推荐阅读
- 想要入门图像处理，应该从哪本书看起
- 现在在线学习视频有很多了，为啥大部分人还是喜欢下载下来观看
- dart这编程语言现在发展怎么样了，语法与Java，c#很相似，甚至更简洁
- 应该怎样理解会员服务的法律性质
- 电视盒子能用代理吗
- 婴儿|美国儿科学会： 1岁以下婴儿不推荐学习游泳
- 工作3、4的人怎样转行当警察
- 在美国大学学习computer science 是啥样的体验
- 假如把中国电信监测到的3亿人一个月每天上网的所有行为打个包，哪些数据应该被提出从这些数据能得到啥
- 作为软件工程大二的学生，学习一般，编程一般，毕业后能干些啥