游戏编程是什么专业,软件工程专业学生第一门应该自学哪种编程语言一、综述
经过研究计本专业与软工专业的专业核心课程，可以看出这两个专业的学生应该具备良好的计算机科学基础理论、软件工程理论、软件开发实施基础理论，奠定了IT行业长远发展的基础。而对学生初入IT互联网、软件开发行业来讲还是欠缺直接与产业对接的实践性技术，比如前端开发框架Vue、Hadoop与Spark大数据开发技术、Python编程语言等，学生可以依据以下从业方向分析酌情做出发展方向的合理选择。以下大家首先对IT与互联网行业现状、薪酬分析、行业人才画像、行业前景、人才趋势进行调研与分析，之后重点对从业方向进行详细分析，以期望能够对计算机相关专业学生择业与就业有一定的指导作用。
二、IT与互联网行业
1. IT与互联网行业招聘全景(2017年/2018年)
1) 在人才需求升级的同时，IT与互联网公司对人才技能的要求也在逐渐提高。
2) BOSS直聘研究院数据显示，2017年在雇主发布的职位说明中，Python技能需求增速达到174%，居于首位，Spark、Hadoop等大数据技能需求增幅也十分靠前。
3) 以数据分析师为例，2015年，超过40%的职位技能要求中只提到了SQL或HIVE，而到2017年，这一比例已降至30%以下，半数岗位要求候选人还须掌握通用编程技能（Python、Java）,数据挖掘技能（R语言,SAS）以及数据可视化等技能，其他岗位技能要求也普遍较过去更为严格。
4) 对于应届生来说，科班出身正成为进入IT互联网行业的先决条件。部分开发类岗位因技术含金量较高，专业匹配度达到90%以上。
5) 企业对人才院校背景也更为关注，双一流大学人才获得的企业关注频率是普通学生的2倍以上，特别是在高端岗位的招聘中，这一现状更为普遍。
2. IT与互联网行业薪酬分析(2017年/2018年)
1）2017年，互联网行业平均招聘薪酬达到1.06万元，同比上升3.1%。受AI、大数据等新兴行业高级技术职位大量涌现及基础岗位薪资回调影响，互联网薪资分化逐渐加剧，前10%高薪职位平均薪资是低薪职位的8.1倍，较2016年的7.9倍进一步扩大。
2）技术岗位薪酬停止普涨 新兴职位薪资大幅上升，两极分化现象开始显现。以AI、大数据为代表的新兴技术岗位薪资出现明显上升。特别是人工智能岗位，由于人才严重供不应求，企业普遍一掷千金争抢顶级人才。
3）在薪资涨幅方面，新兴技术岗位也普遍排在前列，图像算法、推荐算法、深度学习岗位薪资增幅均在15%以上，大数据类岗位仅次于人工智能。相比之下，通用类岗位程序员由于从业人数不断上升，人才稀缺程度大幅缓解，招聘薪酬不升反降，过去几年格外吃香的PHP、.Net、iOS、Java等职位招聘薪资在下半年出现了2-3%的回调。
4）随着大批IT互联网企业向技术驱动型转变，技术人才在企业中薪资占比逐年提高。面对不断增加的薪资成本，部分公司开始削减销售和市场类基层岗位的招聘薪酬，以此平衡薪资预算。2017年，销售、市场类岗位整体平均招聘薪酬分别同比回落4.3%和3.5%。
5）北上深杭平均月薪过万 增幅超其他城市。
6）游戏、泛娱乐领域薪酬涨幅领跑行业，资深内容运营、内容策划和设计类人才薪资涨幅达到10%以上，高出其他领域同等岗位。
3. IT与互联网行业人才画像(2017年/2018年)
1）从业者平均年龄降低，高学历占比逐年上升。
2）数学专业走红，专业背景占比增幅超100%。
3）从人才专业背景分布来看，计算机类专业不出意外包揽前三，计算机科学与技术以7.4%的占比排名第一，软件工程紧随其后，电子和通讯类专业排名同样十分靠前。
4）大数据、AI技术的飞速发展令数学背景人才愈发吃香，应用数学成为近两年互联网行业人才专业占比提升最快的学科。
5）AI、大数据等新兴岗位人才最为抢手，普通技术型岗位、如Java，PHP等有不同程度的减少。随着越来越多IT互联网公司开始加强用户体验，UI交互设计、UI视觉设计人才迎来翻身仗，抢手程度大幅提升，综合竞争力超过PHP、Android等技术人才。
6）数据科学、人工智能等岗位站在了潮流最前端。
4. IT互联网行业前景
1) 2017/2018年人才紧缺指数IT互联网行业遥遥领先。
2) 在被调查的众多行业中，IT软件成为2018年四季度人才吸引力指数最高的行业，环比上升71.8%；互联网和教育培训行业人才吸引力指数继续排名二三，指数绝对值均有小幅下降。2018年四季度，在日益激烈的技术竞争浪潮下，人工智能和数据科学相关的前沿技术类岗位保持着极高的人才吸引力优势，承包了大部分高薪岗位，大量通用型人才寻求转型。其中，推荐算法、架构师和数据架构师为月平均薪资最高三个岗位，分别达33570元、30510元和29623元。数据来源：《BOSS直聘：2018年Q4人才吸引力报告》
5. IT技术发展脉络
左边是IT平台变迁、右边是软件开发技术演进
测试、UI、营销技术也会因此不断演化
6. IT人才趋势分析
1) 互联网行业人才需求高度集中，北上广深杭五座城市的互联网人才需求占到了全国的63%（数据来源：BOSS直聘）
2) 技术驱动成为主流趋势，高级人才广受追捧，从巨头到创业公司，为寻找新的增长动力,纷纷转向技术驱动，力图通过技术手段提高综合竞争力。
7. IT与互联网从业方向分析
1） 可选从业方向
2） 技术 or 市场 or 管理？
2017年是互联网行业全面转向技术驱动的一年，技术类人才招聘需求已经占到整体人才需求的25%。在人工智能热潮的驱动之下，AI相关岗位人才需求飙升，然而缺口依然超过百万。2017年还是热门职位更迭的一年。与人工智能、数据科学等前沿技术相关的职位热度显著提升；移动互联网红利日渐消退，通用开发基础岗位的平均薪酬和需求均进入下行通道。（数据来源：BOSS直聘）
建议：以技术作为进入职场的手段，从业5年左右也转型市场、运营、管理，有技术功底做强力支撑会具备很大的优势。
3） 从业方向简要点评：
a. 硬件开发、嵌入式开发、物联网开发电子与物联网相关专业比较合适，计本与软工专业不是很合适。
b. IT项目经理、产品经理往往需要3~5年以上行业经验。
c. Java企业级应用开发形势走低、企业要求提高到需要三年或以上经验，入行薪酬比几年前下降明显，学习难度也不低，已经不大适合作为职场入门选择的方向。
d. Android、iOS原生移动App开发需求量下滑很多，市场份额很多被可跨平台的HTML5所抢占，就业困难，很多业内人员处于不敢轻易跳槽的状况，已经不大适合作为职场入门选择的方向。
e. 大数据、人工智能方向处于爆炸增长的前沿，现在进入是具备先发优势并获得红利的，其中人工智能相对大数据门槛更高，现在直接学习人工智能方向可能会面临就业困难，学历、数学功底等是从业人工智能的硬条件。相比之下大数据开发是普通应用本科与优秀的专科学生较好的选择，以后等人工智能不断地出现的新框架，会逐步降低开发难度，大家也可以顺利地从大数据转型到人工智能，成为复合型人才。适合作为计算机相关本专科中上游学生的职场入门好选择之一。
f. 软件测试是从软件开发中分离出来的，软件测试作为质量保证的最好手段日益得到重视，随着IT业成熟度越来越高，客户对软件的质量要求也越来越高，好公司大公司更加重视软件质量，需要的测试人员数量逐步增长，测试人员的出路主要是大公司好公司，这是软件测试从业人员的一个巨大的优势。难度比通用软件开发要低，是大家计算机相关本专科学习不是很扎实的学生职业好方向之一。
g. HTML5前端开发也是从软件开发中分离出来的独立岗位，专注于Web端、APP端、微信小程序的前端构建工作，开发难度相较与后端服务器程序的开发难度相对要第一点，HTML5前端开发适应面很广，Web端与APP端都可以使用，与后台服务器端编程语言无关，无论是Java、PHP、Python都可以结合使用。因此HTML5前端人才需求也比较旺盛，是大家计算机相关本专科大部分学生的好选择之一。
h. 追求个性化、追求良好的用户体验、良好的视觉体验与交互性对广告、海报、商品、网站、APP等产品来说至关重要，UI设计方向是美术、艺术等专业的比较好的选择。
i. 互联商务运营偏向营销型，适合电商、市场营销类专业。
j. 运维方向两极分化严重，初级的运维就是所谓的网管，需要做很多低级的技术支持工作，高级运维需要掌握编程技术，比如通过shell/Python编写自动化运维脚本，但是高级运维需要5年以上的初级运维经验支撑才能有良好的发展空间，Linux需要相当熟练。
k. DBA数据库管理员也是挺好的职业，但是招聘根本不接受初学者，业界往往是程序员转行或高级运维兼做DBA。
4） 计本与软工学生从业建议
综合上述各种分析，基本上可以给出如下建议：
A） 对自己有信心学习扎实的学生可以选择大数据开发与Python开发方向，未来向人工智能开发方向进军。
B）普通的学生可以选择HTML5前端开发方向，更努力更多地付出也可以选择大数据开发与Python开发方向。
C） 不是很扎实的或对自己信心不足的学生可以选择Python自动化测试或前端开发方向发展，Python自动化测试对编程功底要求不是很高，甚至比前端开发难度还要低。
5） 择业与就业分析思路
同学们需要兼顾主观因素与客观因素，将以上因素综合考虑！
Python是学什么的？
Python是学什么的？能做什么？
学习其它语言的敲门砖Python是目前较简单易上手的编程语言，Python非常容易学习，因为语法简单，代码量小。例如，要完成同样的任务，C语言需要写1000行代码，Java只需要写100行，而Python可能只需要20行。在偶当年学习python和javascript的时候，偶有一个非常明显的感觉，那就是当偶学习Python时，偶出错的情况会少很多。而当偶学习JS时，偶可能会少写var或分号，从而导致出现很多问题。Python语法里没有使用分号，除此之外，各个热门编程语言的基本语法部分相似度还是很高的，有很多知识点重合的地方，学好一种语言，对学习另一种语言多少会有帮助。但是不建议同时学两种语言，容易混淆。知识点和技能考试Python是一种强大的编程语言，现在越来越多的人在学习它。2018年9月起，国考增加了计算机二级python考试。Python有很多语法，但不必掌握所有的语法。您只需要掌握四个核心知识点：数据类型、函数、条件判断和循环。实用领域和工作方向用于web开发常用的Python库有Django框架等；除此之外，自动化运维，科学计算和统计，网络爬虫等，都很适合Python语言。与python相关的工作种类很多，就业选择多种多样，爬虫开发工程师，技术起点低，对这个工作的要求也不高，工作环境比较轻关于人工智能和深度学习Python最大的特点是相对容易理解和广泛使用。可用于后端、数据分析、运维自动化、测试脚本、大数据等。如果你对学习有兴趣的话，不管是用来找工作还是纯粹的兴趣都很好，都可以提高大家的工作效率但学python要强调的一点是，如果您只懂python，那么您能做的是非常有限的。还需要学习其他工具和技能。例如，如果你想做人工智能，你需要学习统计学以及常用算法等。目前，深度学习领域最常用的两个框架tensorflow和pytorch都是基于python的，因此学习python对于几乎是所有从事人工智能、深度学习相关研究的人来说都是必不可少的技术偶这里给大家汇总整理了几个对新手比较友好的项目，有需要的可以点击下方链接：
偶是传送门
也可以关注《老K玩代码》，获取更多有趣实战项目和经验资讯
想自学人工智能编程？
GitHub上，有个新发布的深度学习教程，叫PracticalAI，今天刚刚被PyTorch官方推荐，已经收获2600多标星。
项目基于PyTorch，是从萌新到老司机的一条进阶之路。这条路上每走一步，都有算法示例可以直接运行。
新手可以从基础的基础开始学起，不止线性规划和随机森林，连笔记本怎么用，NumPy等重要的Python库怎么用，都有手把手教程。
到中后期，可以学着搭高级的RNN，厉害的GAN，这里还有许多实际应用示例可以跑。毕竟，这是一个注重实践的项目。
这里的算法示例，可以用Google Colab来跑，免费借用云端TPU/GPU，只要有个Chrome就够了。没梯子的话，就用Jupyter Notebook来跑咯。
内容友好，持续更新PracticalAI里面的内容，分为四个部分，并将持续更新：
基础 (Basics)，深度学习入门 (Deep Learning) ，深度学习高阶 (Advanced) ，以及具体应用 (Topics) 。注：此处非直译。
· 基础部分，除了有Python指南、笔记本用法，以及Numpy、Pandas这些库的用法，还有线性规划、逻辑规划、随机森林、k-means聚类这些机器学习的基本技术。
有了这些，可以走进深度学习的世界了。
· 深度学习入门，包括了PyTorch指南、多层感知器 (MLP) 、数据与模型、面向对象的机器学习、卷积神经网络 (CNN) 、嵌入，以及递归神经网络 (RNN) 。
· 深度学习高阶，会涉及更高级的RNN、自编码器、生成对抗网络 (GAN) ，以及空间变换网络 (Spatial Transformer Networks) 等等。
· 最后是应用。计算机视觉是个重要的方向。除此之外，还会涉及时间序列分析 (Time Series Analysis) ，商品推荐系统，预训练语言模型，多任务学习，强化学习等等示例可以运行。也可以修改示例，写出自己的应用。
细心的小伙伴大概发现了，表格里的有些话题还没有加链接 (如上图) 。项目作者表示，这些部分很快就会更新了。
另外，表上还有没填满的格子，作者也欢迎大家前去添砖加瓦。
食用说明，无微不至项目作者用了三点来描述这个项目：
一是，可以用PyTorch来实现基础的机器学习算法，以及神经网络。二是，可以用Google Colab直接在网页上运行一切，无需任何设定 (也可以用Jupyter跑) 。三是，可以学做面向对象的机器学习，与实际应用联系紧密，不止是入门教程而已。那么如何上手？笔记本跑起来啊：
(步骤几乎是针对Colab写的。Jupyter用户可忽略。)
第一步，项目里进到notebooks目录。第二步，用Google Colab去跑这些笔记本，也可以直接在本地跑。第三步，点击一个笔记本，把URL里的这一段：https://github.com/替换成这一段：https://colab.research.google.com/github/或者用Open In Colab这个Chrome扩展来一键解决。第四步，登录谷歌账号。第五步，点击工具栏里的COPY TO DRIVE按钮，就可以在新标签页里打开笔记本了。第六步，给这个新笔记本重命名，把名称里的Copy of去掉就行。第七步，运行代码，修改代码，放飞自偶。所有改动都会自动保存到Google Drive。开始学吧，不然等到内容更新了，要学的就更多了。
项目传送门：https://github.com/GokuMohandas/practicalAI/
— 完 —