Python 学习完基础语法知识后，如何进一步提高？

Python 的应用范围之广，我们可以在各行各业各种职位发现 Python 的身影，可以说 Python 是应用最广的编程语言。与之相对的，如何选择 Python 进阶学习提升方向呢？

这里，我根据国内招聘市场的Python热门岗位，贴合企业需求，以就业为导向，向大家提供 6 个提升方向，助您成为 Python 全能人才！

下面我以思维导图的形式展示给大家，它不仅可以作为进阶学习的指导，也是一个完整的 Python 学习路线图。

如果你想要了解更详细的 Python 提升内容的话，就接着往下看吧！

Python全栈工程师

即从前端页面的实现，到后台代码的编写，再到数据库的管理，一人可以搞定一个公司网站的所有事情，真正实现全栈开发。

全栈只是个概念，也分很多种类。真正的全栈工程师涵盖了 Web 开发、DBA 爬虫、测试、运维，要学的内容那是相当的巨量。就 Web 开发方向而言需要学习的内容：前端知识，包括 HTML5、CSS3、JS、Jquery、Ajax。后端至少需要能够熟练使用 Django 和 Tornado，当然会 Flask 更好。

Python 全栈工程师是比较受欢迎的一类人才，本身 Python 语言具备全端开发的能力，所以 Python 的全栈工程师也比较多。

对于Python全栈工程师来说，需要掌握以下知识结构：

掌握 HTTP 协议，Html5 & CSS、JS 和 Jquery 原理以及应用实战；
根据 UI 设计，开发常见 Web 网站的前端页面以及特效、性能优化；
浏览器调试、元素查看、数据分析与性能调优；
PC 端和移动端 Web 开发及跟后台进行数据通信；
掌握当前市场流行的前后端分离开发模式及前端 React 框架；
掌握 Web 服务器的工作流程，掌握企业常用 Web 框架 Django、Flask、Tornado 等；
根据产品需求和业务逻辑，可设计出可扩展的数据库表结构；
可根据业务流程图，开发 Web 网站的后台业务和应用架构；
可设计符合一线互联网厂商的 Restful API 接口。

已经具备中高级 Python Web 全栈开发工程师开发工程师能力，市面薪资可达 12K-18K。

爬虫工程师

爬虫最终目的是提供数据，爬虫工程师要做的就是编写一个程序，这个程序会自动抓取并保存下获得的信息。但与数据分析不一样，爬虫工程师一般来说是按照别人的需要去抓取数据，至于数据价值的挖掘就和他们没什么关系了。

Python 在爬虫方面有许多工具上的积累。例如，用于模拟 HTTP 请求的 Requests、用于 HTML DOM 解析的 PyQuery / BeautifulSoup、用于自动化分布式爬取任务的 Scrapy，都使得 Python 成为数据爬取的首选语言之一。

对于爬虫工程师来说，需要掌握以下知识结构：

掌握分布式爬虫和数据采集系统的分析与设计技巧；
掌握多平台相关信息的抓取分析；
掌握高性能爬虫系统的开发技巧；
掌握实现大规模数据的抓取、解构，去重、分类，过滤等能力；
具有内容提取、处理、结构化、过滤等数据处理，并设计存储结构能力；
掌握常用爬虫工具与框架，掌握高并发数据存储与 Redis 数据库编程；
掌握反爬虫机制和与网站限制破解方法；
掌握 Selenium 与 PhantomJS 开发技术；
分布式爬虫部署环境搭建。

已经具备中高级 Python 爬虫工程师能力，市面薪资可达 12K-18K。

数据分析&数据挖掘

数据分析工程师负责对数据进行提取，清洗，分析（用描述统计量，趋势分析，多维度分析，假设检验等统计常用方法对数据进行分析），总结结论并提出建议。以帮助公司形成业务决策。

Python 所拥有完整的生态环境，十分有利于进行数据分析处理，比如，“大数据”分析所需要的分布式计算、数据可视化、数据库操作等，都可以通过 Python 中的十分成熟的模块完成。

对于数据分析工程师来说，需要掌握以下知识结构：

熟悉主流的数据挖掘建模算法，如数据分析、分类预测、用户画像等；
掌握数据分析模型的固化及部署工作；
可进行进行数据分析、数据建模、挖掘、清洗；
可实现包括数据交互、特征提取、数据挖掘、分析报告等；
熟练使用 Pandas，Numpy， Matplotlib 等工具分析数据，做数据的可视化，并能解释数据分布。

已经具备 Python 数据分析 & 挖掘工程师能力，市面薪资可达 10K-18K。

人工智能&机器学习

人工智能是现在大火的一个领域，这让 Python 语言的未来充满了无限的潜力。Python 足够动态、具有足够性能，这是 AI 技术所需要的技术特点。

对于AI工程师来说，需要掌握以下知识结构：

机器学习算法：LR（逻辑回归）/SVM（支持向量机）/决策树（传统的分类和聚类），DNN（深度神经网络），CNN（卷积神经网络）；
CNN 网络模型：AlexNet，GoogleNet 和 ResNet；
框架：Coffee，TensorFlow；
硬件：GPGPU（General Purpose Computing on GPU，即在图形处理器上进行通用计算），FPGA（Field－Programmable Gate Array，即现场可编程门阵列）。

已经具备机器学习工程师能力，市面薪资可达 20K-30K。