猜不透Min
作为一名IT从业者，同时也是一名计算机专业的教育工作者，我来回答一下这个问题。
首先，互联网技术体系非常庞大，初学者可以根据自身的知识基础、能力特点和兴趣爱好来选择一个学习切入点。当前互联网正处在从消费互联网向产业互联网覆盖的过程中，大数据、人工智能等技术也正在成为新的行业热点，所以可以重点关注一下相关领域的技术。
对于知识基础相对比较薄弱的大专生来说，可以从大数据技术开始学起，大数据未来的就业前景还是比较广阔的，而且岗位附加值也相对比较高。目前大数据的岗位主要集中在大数据分析、大数据开发和大数据运维等领域，不同的学习方向需要组织不同的知识结构。
对于初学者来说，不论学习哪个方向，都可以从编程语言开始学起，目前可以重点关注一下Python和Java语言。如果未来要在IT（互联网）行业从事专业的技术岗位，那么可以重点关注一下Java语言，相对于Python语言来说，Java语言虽然难度要稍微大一些，但是IT行业对于Java程序员的要求也相应低一些，而且掌握Java语言也可以从事传统的开发任务，就业灵活性也相对比较大。
如果要在传统行业发展，可以重点关注一下Python语言，一方面Python语言比较简单易学，另一方面Python语言在大数据领域的应用也非常广泛，很多传统行业（金融、医疗等）也在大量采用Python语言。随着工业互联网的发展，未来传统行业的从业者也应该具备一定的程序设计能力，而从Python语言开始学起就是不错的选择。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
IT人刘俊明
本人10年开发培训经验,期间经历了Java Web,Android,H5,大数据,PHP等多个不同的方向的开发,也做过软件培训公司的金牌讲师，很有兴趣回答你这个问题。
首先程序员并非计算机专业学生的专属，非计算机专业的学生也可以做程序员的，当然这需要经过专业的学习。
然后也不用纠结自己的学历，很多程序员的学历也就一般，专科的也不少，甚至还有不少的初高中学历的程序员，这一行更多的看的是能力，而非学历，这也是IT行业吸引人的原因，很公平。
很多非计算机专业的学生，都是从零基础进行培训的，所以也没必要因此觉得比人矮一头，不会了就学，很正常。
那接下来我就给你推荐几个方向吧。
首先我推荐你学习Java，目前Java开发在所有的互联网技术里面，无论是需求量，还是热度都是蛮不错的一个技术方向，很多想进入开发行业的朋友，都想选择以Java作为开发方向。而且因为Java作为一个后端开发的主流选择，从事Java开发一段时间之后，对于其他的技术的掌握和理解，都有很大的帮助。也就是说学好了Java，对学习其他的技术会有很大的助推。
另外如果自己觉得Java难，也可以学习h5这样的前端课程，相对来说比较容易理解，目前的需求也比较火爆，可以考虑。
如果想学习Java课程，可以关注我，免费获取学习教程。
我从事开发培训10年，擅长Java Web,Android,H5,大数据,PHP等多个不同的技术方向。后续我会写一系列关于互联网技术方面的文章，感兴趣的朋友可以关注我。另外如果你有Java,Android,H5等开发方面，或者是求职方面的问题，也可以在评论区留言，或者私信我，相信一定会让你有所收获！
一一哥Sun
没有基础的话，推荐学基础一些的数据分析，任何企业都需要。如果你能自己做到爬数、数据清理、数据导出、数据可视化，那你找工作就一点问题没有了。
1、首先你要了解Python语言的整个架构和一些基本概念，也就是所说的Python入门，这里推荐资料：简明 Python 教程，很适合初学者，概念的讲解简单明了。还有大量的练习，跟着做会有很快的提高。2、基本了解了python后，还要学习一些用于数据分析的工具，也就是一些基于python的科学计算库。
数据就是资产，大数据工程师是现在十分火热、高薪的职位。做大数据开发和分析不仅要用到Java，Python也是最重要的语言。那么，今天我们就来分析一下，Python之于大数据的意义和作用。
大数据现在互联网火热的一个名词，而和大数据关键词最紧密的相信就是Java和python了，在一年以前，Java大数据可能是很多培训机构的宣传标语。而到了2018年，python大数据则成为了潮流，无论是行业大佬亦或是培训机构都开始说python大数据了，这是为什么呢？
大数据为什么要学python？
什么是大数据？
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
为什么是python大数据？
从大数据的百科介绍上看到，大数据想要成为信息资产，需要有两步，一是数据怎么来，二是数据处理。
数据怎么来:
在数据怎么来这个问题上，数据挖掘无疑是很多公司或者个人的首选，毕竟大部分公司或者个人是没有能力产生这么多数据的，只能是挖掘互联网上的相关数据。
网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。
当然，网络爬虫并不仅仅只是打开网页，解析HTML怎么简单。高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取，传统的线程池方式资源浪费比较大，线程数上千之后系统资源基本上就全浪费在线程调度上了。
Python由于能够很好的支持协程(Coroutine)操作，基于此发展起来很多并发库，如Gevent，Eventlet，还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了对高并发的支持，网络爬虫才真正可以达到大数据规模。
数据处理:
有了大数据，那么也需要处理，才能找到适合自己的数据。而在数据处理方向，Python也是数据科学家最喜欢的语言之一，这是因为Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。
正是因为这些原因，才让python语言成为很多公司处理大数据的首选。加之python本身具有简单、易学、库多等原因，让越来越多的人选择转行python开发。
