Ⅰ 零基礎學java要多久
0基礎學習Java有兩種途徑，如果你覺得自己的自製力還不錯可以選擇自學Java，而如果你自認為自製力不太好或自學一段時間後沒有太大成效可以選擇報班學習。下面優就業小編詳細的介紹下這兩種方法。
第一種自學，如果你選擇自學的話知乎的Java自學相關問題下會有一些自學的人分享自己的經歷，你可以參照下。然後可以自己在網上多找找免費的資料，一般論壇的帖子里都會有一些，你可以下載下來對照著學習。當然Java學習中比較重要的一點就是動手實操。關於這一點你可以從網上找免費的視頻跟著視頻做，例如優就業就有黑客帝國數字雨、俄羅斯方塊、彈窗數字時鍾等Java開發實操教學視頻。掌握基本的Java理論知識，又有了一些項目經驗後，你就可以試著給一些中小型企業投簡歷，更高深的Java內容可以邊工作邊學。
第二種報班學習，報班學習就不用像自學那麼費勁了，你只需要集中精力跟著講師一步步學習就可以了。培訓機構會提供系統的Java課程講義，而實戰項目也有很多可以供你選擇。而比較好的培訓機構還會有就業服務，在上完課後會有模擬面試、推薦就業、招聘會等多種服務幫助你能盡快就業。
首先你的英語要過關，不論學習哪個開發語言都需要有一定的英語基礎，所以你要將一些常用的Java相關的英語背下來，以便學習的時候能看懂英文。
接下來要打牢基礎，先學習基礎語法、核心類庫、面向對象編程、異常、集合、IO流、網路編程、線程、反射等基礎技術點;打牢基礎後要深入了解HTML5及CSS3的新特性，在此基礎上學習JavaScript、jQuery腳本語言和非同步交互技術AJAX等，以上知識你都學會後就可以嘗試從零開始獨立編寫完整的網頁了;接下來學習資料庫優化技術，通過Java工具JDBC、JDBCUtils技術連接數據，讓程序完成前台到後台的完整請求。
java是一種面向對象的編程語言，任何功能都需要通過編寫代碼程序來實現，一般在有開設信息技術類相關課程的大學可能會教授一些Java基礎內容，但反之對於偏文科類的學校或專業的學生來說，Java對於他們是很陌生的，甚至一無所知。那麼Java如何學習呢?下面就跟隨四川優就業小編一起來看看吧。
第一步：學習Java語言入門知識 打好基礎
學習任何一門語言或者說技能打好基礎都是至關重要的，沒有一個好的基礎會導致學習到後邊的階段根基不穩無法進一步提升，使得之前學習的內容不成體系，雜亂無章。那Java基礎應該怎麼學習呢，小編認為可以通過觀看視頻網課和參加系統培訓來學習，優就業就有針對0基礎的Java入門網課和全程面授的Java培訓課程，講師會帶領學員學習基礎語法、核心類庫、面向對象編程、異常、集合等Java基礎階段內容，有興趣的小夥伴可以加群了解。
第二步：學習Java企業應用框架、熱門技術
在掌握了Java基礎之後，接下來就需要學習關於Java框架的相關知識了，時下企業中比較熱門應用的框架有Spring、Spring
MVC、Mybatis、Linux&Redis&Nginx、Maven等，這些在優就業的Java課程中是都會涉及到的，如果時間允許的話還是建議大家參加系統的面授學習，畢竟體系化的知識學習更容易理解和吸納，特別是對於之前沒有接觸過編程的人來說自學還是有一定難度的，對自控力和學習能力要求都比較高。大家如果感興趣的話可以去實地免費跟班試聽Java課程，只有親身體驗過才知道適不適合。
第三步：技能進階項目實戰
在掌握了上述基礎內容、應用框架、主流技術之後，接下來就需要將所掌握的東西應用到實際的開發中，到底有沒有真的學會，能不能夠熟練應用，這是檢驗我們學習效果的直接途徑。優就業的Java課程每個階段都是實戰項目貫穿教學，學好理論知識的前提下以項目開發做為最終的目標，真正模擬企業實際開發環境，讓學員有一個直觀清晰的實操過程，更好的貼近企業開發要求，提前掌握實操經驗。
上面這些技術學好後，你就達到了可以找工作的水準了。但是如果你想找比較好的工作，就還需要繼續學習。因為大企業會更注重你的開發項目的能力所以你需要熟練掌握企業實際開發中需要的核心技能，也就是Spring、IOC、AOP、SpringMVC、Spring
Boot、Spring Could這些當前企業中流行的項目解決方案。
Ⅱ 15 個開源的頂級人工智慧工具
斯坦福的專家在人工智慧報告中得出的結論："越來越強大的人工智慧應用，可能會對我們的 社會 和經濟產生深遠的積極影響，這將出現在從現在到2030年的時間段里。"
以下這些開源人工智慧應用都處於人工智慧研究的最前沿。
1.Caffe
它是由賈揚清在加州大學伯克利分校的讀博時創造的，Caffe是一個基於表達體系結構和可擴展代碼的深度學習框架。使它聲名鵲起的是它的速度，這讓它受到研究人員和企業用戶的歡迎。根據其網站所言，它可以在一天之內只用一個NVIDIA K40 GPU處理6000萬多個圖像。它是由伯克利視野和學習中心（BVLC）管理的，並且由NVIDIA和亞馬遜等公司資助來支持它的發展。
2. CNTK
它是計算機網路工具包（Computational Network Tookit）的縮寫，CNTK是一個微軟的開源人工智慧工具。不論是在單個CPU、單個GPU、多個GPU或是擁有多個GPU的多台機器上它都有優異的表現。微軟主要用它做語音識別的研究，但是它在機器翻譯、圖像識別、圖像字幕、文本處理、語言理解和語言建模方面都有著良好的應用。
3.Deeplearning4j
Deeplearning4j是一個java虛擬機（JVM）的開源深度學習庫。它運行在分布式環境並且集成在Hadoop和Apache Spark中。這使它可以配置深度神經網路，並且它與Java、Scala和其他JVM語言兼容。
4.DMTK
DMTK分布式集齊學習工具（Distributed Machine Learning Toolkit）的縮寫，和CNTK一樣，是微軟的開源人工智慧工具。作為設計用於大數據的應用程序，它的目標是更快的訓練人工智慧系統。它包括三個主要組件：DMTK框架、LightLDA主題模型演算法和分布式（多義）字嵌入演算法。為了證明它的速度，微軟聲稱在一個八集群的機器上，它能夠"用100萬個主題和1000萬個單詞的詞彙表（總共10萬億參數）訓練一個主題模型，在一個文檔中收集1000億個符號，"。這一成績是別的工具無法比擬的。
5.H20
相比起科研，H2O更注重將AI服務於企業用戶，因此H2O有著大量的公司客戶，比如第一資本金融公司、思科、Nielsen Catalina、PayPal和泛美都是它的用戶。它聲稱任何人都可以利用機器學習和預測分析的力量來解決業務難題。它可以用於預測建模、風險和欺詐分析、保險分析、廣告技術、醫療保健和客戶情報。
它有兩種開源版本：標准版H2O和Sparking Water版，它被集成在Apache Spark中。也有付費的企業用戶支持。
6.Mahout
它是Apache基金會項目，Mahout是一個開源機器學習框架。根據它的網站所言，它有著三個主要的特性：一個構建可擴展演算法的編程環境、像Spark和H2O一樣的預制演算法工具和一個叫Samsara的矢量數學實驗環境。使用Mahout的公司有Adobe、埃森哲咨詢公司、Foursquare、英特爾、領英、Twitter、雅虎和其他許多公司。其網站列了出第三方的專業支持。
7.MLlib
由於其速度，Apache Spark成為一個最流行的大數據處理工具。MLlib是Spark的可擴展機器學習庫。它集成了Hadoop並可以與NumPy和R進行交互操作。它包括了許多機器學習演算法如分類、回歸、決策樹、推薦、集群、主題建模、功能轉換、模型評價、ML管道架構、ML持久、生存分析、頻繁項集和序列模式挖掘、分布式線性代數和統計。
8.NuPIC
由Numenta公司管理的NuPIC是一個基於分層暫時記憶理論的開源人工智慧項目。從本質上講，HTM試圖創建一個計算機系統來模仿人類大腦皮層。他們的目標是創造一個"在許多認知任務上接近或者超越人類認知能力"的機器。
除了開源許可，Numenta還提供NuPic的商業許可協議，並且它還提供技術專利的許可證。
9.OpenNN
作為一個為開發者和科研人員設計的具有高級理解力的人工智慧，OpenNN是一個實現神經網路演算法的c++編程庫。它的關鍵特性包括深度的架構和快速的性能。其網站上可以查到豐富的文檔，包括一個解釋了神經網路的基本知識的入門教程
10.OpenCyc
由Cycorp公司開發的OpenCyc提供了對Cyc知識庫的訪問和常識推理引擎。它擁有超過239,000個條目，大約2,093,000個三元組和大約69,000 owl：這是一種類似於鏈接到外部語義庫的命名空間。它在富領域模型、語義數據集成、文本理解、特殊領域的專家系統和 游戲 AI中有著良好的應用。該公司還提供另外兩個版本的Cyc：一個可免費的用於科研但是不開源，和一個提供給企業的但是需要付費。
11.Oryx 2
構建在Apache Spark和Kafka之上的Oryx 2是一個專門針對大規模機器學習的應用程序開發框架。它採用一個獨特的三層λ架構。開發者可以使用Orys 2創建新的應用程序，另外它還擁有一些預先構建的應用程序可以用於常見的大數據任務比如協同過濾、分類、回歸和聚類。大數據工具供應商Cloudera創造了最初的Oryx 1項目並且一直積極參與持續發展。
12.PredictionIO
今年的二月，Salesforce收購了PredictionIO，接著在七月，它將該平台和商標貢獻給Apache基金會，Apache基金會將其列為孵育計劃。所以當Salesforce利用PredictionIO技術來提升它的機器學習能力時，成效將會同步出現在開源版本中。它可以幫助用戶創建帶有機器學習功能的預測引擎，這可用於部署能夠實時動態查詢的Web服務。
13.SystemML
最初由IBM開發，SystemML現在是一個Apache大數據項目。它提供了一個高度可伸縮的平台，可以實現高等數學運算，並且它的演算法用R或一種類似python的語法寫成。企業已經在使用它來跟蹤 汽車 維修客戶服務、規劃機場交通和連接 社會 媒體數據與銀行客戶。它可以在Spark或Hadoop上運行。
14.TensorFlow
TensorFlow是一個谷歌的開源人工智慧工具。它提供了一個使用數據流圖進行數值計算的庫。它可以運行在多種不同的有著單或多CPU和GPU的系統，甚至可以在移動設備上運行。它擁有深厚的靈活性、真正的可移植性、自動微分功能，並且支持Python和c++。它的網站擁有十分詳細的教程列表來幫助開發者和研究人員沉浸於使用或擴展他的功能。
15.Torch
Torch將自己描述為："一個優先使用GPU的擁有機器學習演算法廣泛支持的科學計算框架"，它的特點是靈活性和速度。此外，它可以很容易的通過軟體包用於機器學習、計算機視覺、信號處理、並行處理、圖像、視頻、音頻和網路等方面。它依賴一個叫做LuaJIT的腳本語言，而LuaJIT是基於Lua的。
歡迎關注~
微信公眾號： IT百戰程序員 ，免費提供人工智慧、大數據、雲計算等資料～～不管你在地球哪個方位，歡迎你的關注！
Ⅲ 如何才能自學web前端
學習前端首先要學的就是基礎（html,css,javasrcipt,html5,css3,jquery）
前期學習html和css,(用來布局和修飾頁面)，接著學習javascript（比較重要，要學好它），
還有ajax,jons,es6語法，http協議等這些是重點。
jq是js的框架，只是為了更快的開發項目，所以學好js才學jq就會覺得jq很容易。
基礎扎實之後開始學習框架，先從簡單入手，bootstrap一個比較簡單的框架，
可以找一些比較簡單的響應式官方網站來模仿練習。接著可以學習比較主流的框架
如：vue、angular、react.學一個就可以了，當然你也可以都學，但是一般就學一個也夠了，
（我個人是使用vue和angular），建議是學vue,因為在目前微信小程序是比較主流的，
vue的寫法和微信小程序很像，所以學vue對你以後學小程序是有幫助的。
當然只有這些還不夠，要學會使用資料庫，node.js，還有git等（git代碼管理工具，團隊開發的時候比較重要）
至於在哪學？當然是看視頻教程一邊看一邊跟著寫羅。