很多非計算機專業的同學都比較關心這個問題，我從專業知識學習、實踐和就業這幾個方面來說說個人建議。

首先，學習計算機知識應該從編程語言開始，編程語言也被認為是打開計算機技術大門的鑰匙，是學習后續專業知識和開展實踐活動的基礎工具。

編程語言有很多種，從有編程語言到今天，世界范圍內出現了600余種編程語言，而且近些年也在不斷涌現出新的編程語言，相信在工業互聯網的推動下，未來還會涌現出大量優秀的編程語言。

編程語言的選擇要考慮到場景問題，如果還沒有明確自己的發展方向，對于非計算機專業的同學來說，從Python開始學起是不錯的選擇。

一方面Python語言對于自學者相對友好一些，另一方面Python語言的應用邊界也在不斷擴展，很多傳統行業的從業者也可以使用Python來提升自己的工作效率和擴展自身的能力邊界，相信這一點在大數據技術普及之后會更加明顯。

計算機專業知識的學習一定不能脫離場景，即便是選擇自學，也應該錨定一個應用場景來做相關知識的積累，因為計算機領域的細分方向非常多，在學習初期一定要有一個清晰的學習路線，這樣才能夠獲得學習的成就感，從而推動自己持續深入。

簡單說就是要學以致用，只有真正用起來才算是掌握了一門編程語言。

我是做大數據方向的，目前由于大數據正處在全面落地應用的初期，所以未來更多的職場人都需要掌握一定的大數據知識，能夠完成一些基本的數據價值化操作，所以我就以自學數據分析來說說學習路線。

目前進行數據分析的兩種基本方式是統計學和機器學習，在掌握了Python語言之后，可以進一步學習機器學習知識。

機器學習目前已經形成了一個龐大的知識體系，涉及到深度學習、強化學習、遷移學習、聯邦學習等等，而對于自學者來說，可以從學習經典機器學習算法開始，后續再結合自己的實踐場景來選擇一個細分方向。

對于在金融領域發展的同學來說，可以進一步學習聯邦學習，而對于在裝備制造領域發展的同學來說，可以重點學習一下強化學習，這些對于自身的職場發展都會有一定的助力。

數據分析的基本路線是數據采集、算法設計、算法實現、算法訓練、算法驗證和算法應用，所以在學習Python語言的過程中，可以重點學習一下爬蟲。

編寫爬蟲的門檻雖然并不高，但是掌握爬蟲的編寫之后，還可以往自動化軟件機器人方向發展，這是提升職場工作效率的神器之一。

目前我聯合一些國內外知名大學的導師和互聯網大廠的企業導師，共同搭建了一個技術論壇，在持續開展項目實踐、成果分享和知識講座等活動，感興趣的同學可以聯系我申請參與，相信一定會有所收獲。

最后，如果有計算機領域相關的問題，歡迎與我交流。