之前半年初步接触了编程，并在实习中学习了很多数据分析的知识，面对基础的数据分析是足够的，可是面对更深层次的分析，我相比科班出身还是有很大的差距，目前已经意识到的问题包括代码编写的不规范，无法准确判断算法的复杂度等等，这些都是需要重新学习一下基础知识，所以才打算写下这个计划。

说是计划，其实更多是网上资源的汇总，毕竟网上的前辈更有经验。首先需要说明的是，我个人的规划是偏向于数据分析方向，我希望通过学习，我能够具备完整开展一个项目、结合数据进行分析、根据结果制定相关策略的相关技术要求。除此之外，对于机器学习、深度学习我也很感兴趣，实际上，真正让我爱上编程的，是Alpha Go战胜人类的那个故事，所以，这些都是我的计划目标。

制定计划之前，我认为了解求职过程中公司对这些岗位的要求，通过这些要求再制定计划是更有效的，在这里，我选取了google的两个职位的信息：Strategic Cloud Engineer, Machine Learning or Big Data, Cloud Professional Services和Technical Solutions Engineer, Big Data and Machine Learning, Google Cloud Platform

其中提到相关的要求，包括：
(1)熟练掌握一门或多门语言（其中一个甚至指明是c++、java或者python）;
(2)具有云存储解决方案，SQL数据库管理，云网络解决方案和/或分布式计算技术的经验、拥有一项或多项Google Cloud Big Data产品（Dataflow，BigQuery，Pub / Sub等）或开源或专有等效产品（Apache Hadoop，Spark，Beam，Kafka，Cassandra等）的经验;
(3)有一种或多种Google云端机器学习产品（Tensorflow，语音，自然语言等）​​或商业/开源等效产品的经验、具有核心数据科学技术的经验，如回归，分类或聚类，以及深度学习框架（如TensorFlow，Torch，Caffe，Theano等）的经验;
(4)有使用推荐引擎，数据管道或分布式机器学习的经验，以及数据分析和数据可视化技术和软件的经验;
(5)了解数据仓库概念，包括; 数据仓库技术架构，基础架构组件，ETL / ELT和报告/分析工具和环境（例如Apache Beam，Hadoop，Spark，Pig，Hive，MapReduce，Flume）。

除了以上要求，因为我不是科班出身，所以还有一些相关的基础需要补充学习。首先当然是Java和python基础的巩固，然后主要就是数据结构和经典算法的学习，根据网上一些前辈的分享，递归也是一个需要重点学习的内容。

根据上面提及的内容，最终就得到以下的学习顺序，首先重新学习Java基础，深入理解后，再学习数据结构，之后学习算法，结合学习到的知识，对交通大数据项目代码进行分析改进，这是第一部分。

此时应该已经具备一定的基础，如果发现还有需要补充的则根据实际情况安排学习，然后就是转到python的学习，python主要觉得对机器学习的支持较好，很多框架模型通过python都可以较容易实现，利于学习，所以先学习python，主要就是希望能把交通大数据的代码用python重写一遍。然后就是linux系统的基础学习，因为目前已经对linux有一定的了解，所以就进一步学习linux较深入的原理等，对linux的知识进行全面的补充。学习到这个阶段，应该具备刷leetcode的能力了，所以应开始刷题了。

之后就是数据分析方面的深入学习，这里有两个方向，一个是机器学习，一个是大数据分析。暂时选择先学习机器学习，然后再了解大数据处理（Hadoop、Hive等）。之后还有tensorflow这个框架的学习，最终，希望能完成生物信息提取系统的改进，这将成为另一个主要研究项目。