Ⅰ 零基础学java要多久
0基础学习Java有两种途径，如果你觉得自己的自制力还不错可以选择自学Java，而如果你自认为自制力不太好或自学一段时间后没有太大成效可以选择报班学习。下面优就业小编详细的介绍下这两种方法。
第一种自学，如果你选择自学的话知乎的Java自学相关问题下会有一些自学的人分享自己的经历，你可以参照下。然后可以自己在网上多找找免费的资料，一般论坛的帖子里都会有一些，你可以下载下来对照着学习。当然Java学习中比较重要的一点就是动手实操。关于这一点你可以从网上找免费的视频跟着视频做，例如优就业就有黑客帝国数字雨、俄罗斯方块、弹窗数字时钟等Java开发实操教学视频。掌握基本的Java理论知识，又有了一些项目经验后，你就可以试着给一些中小型企业投简历，更高深的Java内容可以边工作边学。
第二种报班学习，报班学习就不用像自学那么费劲了，你只需要集中精力跟着讲师一步步学习就可以了。培训机构会提供系统的Java课程讲义，而实战项目也有很多可以供你选择。而比较好的培训机构还会有就业服务，在上完课后会有模拟面试、推荐就业、招聘会等多种服务帮助你能尽快就业。
首先你的英语要过关，不论学习哪个开发语言都需要有一定的英语基础，所以你要将一些常用的Java相关的英语背下来，以便学习的时候能看懂英文。
接下来要打牢基础，先学习基础语法、核心类库、面向对象编程、异常、集合、IO流、网络编程、线程、反射等基础技术点;打牢基础后要深入了解HTML5及CSS3的新特性，在此基础上学习JavaScript、jQuery脚本语言和异步交互技术AJAX等，以上知识你都学会后就可以尝试从零开始独立编写完整的网页了;接下来学习数据库优化技术，通过Java工具JDBC、JDBCUtils技术连接数据，让程序完成前台到后台的完整请求。
java是一种面向对象的编程语言，任何功能都需要通过编写代码程序来实现，一般在有开设信息技术类相关课程的大学可能会教授一些Java基础内容，但反之对于偏文科类的学校或专业的学生来说，Java对于他们是很陌生的，甚至一无所知。那么Java如何学习呢?下面就跟随四川优就业小编一起来看看吧。
第一步：学习Java语言入门知识 打好基础
学习任何一门语言或者说技能打好基础都是至关重要的，没有一个好的基础会导致学习到后边的阶段根基不稳无法进一步提升，使得之前学习的内容不成体系，杂乱无章。那Java基础应该怎么学习呢，小编认为可以通过观看视频网课和参加系统培训来学习，优就业就有针对0基础的Java入门网课和全程面授的Java培训课程，讲师会带领学员学习基础语法、核心类库、面向对象编程、异常、集合等Java基础阶段内容，有兴趣的小伙伴可以加群了解。
第二步：学习Java企业应用框架、热门技术
在掌握了Java基础之后，接下来就需要学习关于Java框架的相关知识了，时下企业中比较热门应用的框架有Spring、Spring
MVC、Mybatis、Linux&Redis&Nginx、Maven等，这些在优就业的Java课程中是都会涉及到的，如果时间允许的话还是建议大家参加系统的面授学习，毕竟体系化的知识学习更容易理解和吸纳，特别是对于之前没有接触过编程的人来说自学还是有一定难度的，对自控力和学习能力要求都比较高。大家如果感兴趣的话可以去实地免费跟班试听Java课程，只有亲身体验过才知道适不适合。
第三步：技能进阶项目实战
在掌握了上述基础内容、应用框架、主流技术之后，接下来就需要将所掌握的东西应用到实际的开发中，到底有没有真的学会，能不能够熟练应用，这是检验我们学习效果的直接途径。优就业的Java课程每个阶段都是实战项目贯穿教学，学好理论知识的前提下以项目开发做为最终的目标，真正模拟企业实际开发环境，让学员有一个直观清晰的实操过程，更好的贴近企业开发要求，提前掌握实操经验。
上面这些技术学好后，你就达到了可以找工作的水准了。但是如果你想找比较好的工作，就还需要继续学习。因为大企业会更注重你的开发项目的能力所以你需要熟练掌握企业实际开发中需要的核心技能，也就是Spring、IOC、AOP、SpringMVC、Spring
Boot、Spring Could这些当前企业中流行的项目解决方案。
Ⅱ 15 个开源的顶级人工智能工具
斯坦福的专家在人工智能报告中得出的结论："越来越强大的人工智能应用，可能会对我们的 社会 和经济产生深远的积极影响，这将出现在从现在到2030年的时间段里。"
以下这些开源人工智能应用都处于人工智能研究的最前沿。
1.Caffe
它是由贾扬清在加州大学伯克利分校的读博时创造的，Caffe是一个基于表达体系结构和可扩展代码的深度学习框架。使它声名鹊起的是它的速度，这让它受到研究人员和企业用户的欢迎。根据其网站所言，它可以在一天之内只用一个NVIDIA K40 GPU处理6000万多个图像。它是由伯克利视野和学习中心（BVLC）管理的，并且由NVIDIA和亚马逊等公司资助来支持它的发展。
2. CNTK
它是计算机网络工具包（Computational Network Tookit）的缩写，CNTK是一个微软的开源人工智能工具。不论是在单个CPU、单个GPU、多个GPU或是拥有多个GPU的多台机器上它都有优异的表现。微软主要用它做语音识别的研究，但是它在机器翻译、图像识别、图像字幕、文本处理、语言理解和语言建模方面都有着良好的应用。
3.Deeplearning4j
Deeplearning4j是一个java虚拟机（JVM）的开源深度学习库。它运行在分布式环境并且集成在Hadoop和Apache Spark中。这使它可以配置深度神经网络，并且它与Java、Scala和其他JVM语言兼容。
4.DMTK
DMTK分布式集齐学习工具（Distributed Machine Learning Toolkit）的缩写，和CNTK一样，是微软的开源人工智能工具。作为设计用于大数据的应用程序，它的目标是更快的训练人工智能系统。它包括三个主要组件：DMTK框架、LightLDA主题模型算法和分布式（多义）字嵌入算法。为了证明它的速度，微软声称在一个八集群的机器上，它能够"用100万个主题和1000万个单词的词汇表（总共10万亿参数）训练一个主题模型，在一个文档中收集1000亿个符号，"。这一成绩是别的工具无法比拟的。
5.H20
相比起科研，H2O更注重将AI服务于企业用户，因此H2O有着大量的公司客户，比如第一资本金融公司、思科、Nielsen Catalina、PayPal和泛美都是它的用户。它声称任何人都可以利用机器学习和预测分析的力量来解决业务难题。它可以用于预测建模、风险和欺诈分析、保险分析、广告技术、医疗保健和客户情报。
它有两种开源版本：标准版H2O和Sparking Water版，它被集成在Apache Spark中。也有付费的企业用户支持。
6.Mahout
它是Apache基金会项目，Mahout是一个开源机器学习框架。根据它的网站所言，它有着三个主要的特性：一个构建可扩展算法的编程环境、像Spark和H2O一样的预制算法工具和一个叫Samsara的矢量数学实验环境。使用Mahout的公司有Adobe、埃森哲咨询公司、Foursquare、英特尔、领英、Twitter、雅虎和其他许多公司。其网站列了出第三方的专业支持。
7.MLlib
由于其速度，Apache Spark成为一个最流行的大数据处理工具。MLlib是Spark的可扩展机器学习库。它集成了Hadoop并可以与NumPy和R进行交互操作。它包括了许多机器学习算法如分类、回归、决策树、推荐、集群、主题建模、功能转换、模型评价、ML管道架构、ML持久、生存分析、频繁项集和序列模式挖掘、分布式线性代数和统计。
8.NuPIC
由Numenta公司管理的NuPIC是一个基于分层暂时记忆理论的开源人工智能项目。从本质上讲，HTM试图创建一个计算机系统来模仿人类大脑皮层。他们的目标是创造一个"在许多认知任务上接近或者超越人类认知能力"的机器。
除了开源许可，Numenta还提供NuPic的商业许可协议，并且它还提供技术专利的许可证。
9.OpenNN
作为一个为开发者和科研人员设计的具有高级理解力的人工智能，OpenNN是一个实现神经网络算法的c++编程库。它的关键特性包括深度的架构和快速的性能。其网站上可以查到丰富的文档，包括一个解释了神经网络的基本知识的入门教程
10.OpenCyc
由Cycorp公司开发的OpenCyc提供了对Cyc知识库的访问和常识推理引擎。它拥有超过239,000个条目，大约2,093,000个三元组和大约69,000 owl：这是一种类似于链接到外部语义库的命名空间。它在富领域模型、语义数据集成、文本理解、特殊领域的专家系统和 游戏 AI中有着良好的应用。该公司还提供另外两个版本的Cyc：一个可免费的用于科研但是不开源，和一个提供给企业的但是需要付费。
11.Oryx 2
构建在Apache Spark和Kafka之上的Oryx 2是一个专门针对大规模机器学习的应用程序开发框架。它采用一个独特的三层λ架构。开发者可以使用Orys 2创建新的应用程序，另外它还拥有一些预先构建的应用程序可以用于常见的大数据任务比如协同过滤、分类、回归和聚类。大数据工具供应商Cloudera创造了最初的Oryx 1项目并且一直积极参与持续发展。
12.PredictionIO
今年的二月，Salesforce收购了PredictionIO，接着在七月，它将该平台和商标贡献给Apache基金会，Apache基金会将其列为孵育计划。所以当Salesforce利用PredictionIO技术来提升它的机器学习能力时，成效将会同步出现在开源版本中。它可以帮助用户创建带有机器学习功能的预测引擎，这可用于部署能够实时动态查询的Web服务。
13.SystemML
最初由IBM开发，SystemML现在是一个Apache大数据项目。它提供了一个高度可伸缩的平台，可以实现高等数学运算，并且它的算法用R或一种类似python的语法写成。企业已经在使用它来跟踪 汽车 维修客户服务、规划机场交通和连接 社会 媒体数据与银行客户。它可以在Spark或Hadoop上运行。
14.TensorFlow
TensorFlow是一个谷歌的开源人工智能工具。它提供了一个使用数据流图进行数值计算的库。它可以运行在多种不同的有着单或多CPU和GPU的系统，甚至可以在移动设备上运行。它拥有深厚的灵活性、真正的可移植性、自动微分功能，并且支持Python和c++。它的网站拥有十分详细的教程列表来帮助开发者和研究人员沉浸于使用或扩展他的功能。
15.Torch
Torch将自己描述为："一个优先使用GPU的拥有机器学习算法广泛支持的科学计算框架"，它的特点是灵活性和速度。此外，它可以很容易的通过软件包用于机器学习、计算机视觉、信号处理、并行处理、图像、视频、音频和网络等方面。它依赖一个叫做LuaJIT的脚本语言，而LuaJIT是基于Lua的。
欢迎关注~
微信公众号： IT百战程序员 ，免费提供人工智能、大数据、云计算等资料～～不管你在地球哪个方位，欢迎你的关注！
Ⅲ 如何才能自学web前端
学习前端首先要学的就是基础（html,css,javasrcipt,html5,css3,jquery）
前期学习html和css,(用来布局和修饰页面)，接着学习javascript（比较重要，要学好它），
还有ajax,jons,es6语法，http协议等这些是重点。
jq是js的框架，只是为了更快的开发项目，所以学好js才学jq就会觉得jq很容易。
基础扎实之后开始学习框架，先从简单入手，bootstrap一个比较简单的框架，
可以找一些比较简单的响应式官方网站来模仿练习。接着可以学习比较主流的框架
如：vue、angular、react.学一个就可以了，当然你也可以都学，但是一般就学一个也够了，
（我个人是使用vue和angular），建议是学vue,因为在目前微信小程序是比较主流的，
vue的写法和微信小程序很像，所以学vue对你以后学小程序是有帮助的。
当然只有这些还不够，要学会使用数据库，node.js，还有git等（git代码管理工具，团队开发的时候比较重要）
至于在哪学？当然是看视频教程一边看一边跟着写罗。