財務怎麼自學編程

① 我是會計專業的，想學習編程，以後朝開發軟體或游戲方向發展，我是大二的，現在開始需要做什麼

一、數學方面（這是演算法的基礎）
（1）、微積分（主要掌握泰勒展開、二分法求根、方程求根）
（2）、線性代數（比較重要，因為線性代數核心是矩陣，矩陣實際就是二維數組）
（3）、概率論（主要是模擬，做統計）
（4）、復變函數（主要是傅里葉變換，應用：高精度乘法，圖像處理，而圖像處理是游戲的一部分）
（5）、離散數學（計算機專業數學）（6）、高中數學全部（立體幾何和解析幾何易記三角函數主要是處理圖像旋轉等問題，排列組合和數列主要計算時間復雜度問題，等等）（7）、數論（主要應用於密碼）
二、編程語言
（1）、C語言（面向過程）
（2）、Java（面向對象)+JSP+SSh
(3)、H tml(網頁語言）
(4)、SQL（資料庫語言）（5）、匯編（可選學，主要單片機開發或硬體驅動程序）（6）、腳本語言（VBscript、Javascript) 三、重要演算法和數據結構（1）、數據結構（主要是鏈表、棧、隊列、樹、圖、查找和排序）（2）、重要演算法：窮舉法、分治法、DFS、BFS、貪心、動態規劃（這個最難，當你達到這種水平，算得上中級程序員了）如果想練習這些演算法，可以去各OJ（各個學校的ACM練習網站）挑戰。 四、熟悉基本軟體操作：（1）、PS(圖像處理）（2）、Flash（動畫）（3）、cad（建築）（4）、Matlab（數學和圖像編程）（5）、excel 五、計算機專業課程：（1）、操作系統和Linux（2）、網路原理（3）、計算機組成原理（4）、編譯原理（5）、數字圖像處理

② 編寫財務軟體 需要學習什麼

需要學習：

1. 業務流程；

2. 財務相關知識；

3. 計算機編程語言。

財務軟體與進銷存軟體是比較常見的企業管理軟體，財務軟體主要立足於企業財務帳目，企業資金帳戶，企業收支狀況等方面的管理，用途明確，使用很簡單。財務軟體它以圖形化的管理界面，提問式的操作導航，打破了傳統財務軟體文字加數字的繁瑣模式。

③ 會計專業想學編程該學哪個編程語言

會計專業想學編程該學Pascal編程語言。

Pascal是一門很好的教學語言。然後對過程式編程有些了解以後可以學習數據結構，C和C++。然後可以學一下Java或C#。只是幫助你能夠了解過程式和面向對象的編程。至於要進入IT業，方向和門類很多，所以學什麼更好不能一概而論。

編程語言里一個重要的里程碑——Pascal

這是基於ALGOL編程語言，為紀念法國數學家、哲學家、電腦先驅布萊茲·帕斯卡而命名。它由瑞士Niklaus Wirth教授於六十年代末設計並創立的。Pascal具有語法嚴謹、層次分明等特點，是第一個結構化編程語言，被稱為「編程語言里一個重要的里程碑」。

④ 如何自學編程python

首先先了解Python語言的四大發展方向。目前Python的主要方向有web後端開發、大數據分析網路爬蟲和人工智慧，當然如果再細分的話還有自動化測試、運維等方向。

在學習Python的基礎語法時，並不需要太多的基礎，基本只要熟練使用電腦日常功能並對Python感興趣就可以了，但如果想要在人工智慧領域方向發展的話，線性代數、概率、統計等高等數學知識基本是必需的，原因在於這些知識能夠讓你的邏輯更加清晰，在編程過程中有更強的思路。

分享一個千鋒Python的學習大綱給你

第一階段 - Python 數據科學

Python 基礎語法

入門及環境安裝 、基本語法與數據類型、控制語句、錯誤及異常、錯誤處理方法、異常處理方法 、常用內置函數 、函數創建與使用、Python 高級特性、高級函數、Python 模塊、PythonIO 操作 、日期與時間 、類與面向對象 、Python 連接資料庫

Python 數據清洗

數字化 Python 模塊Numpy、數據分析利器Pandas、Pandas 基本操作、Pandas 高級操作

Python 數據可視化

數據可視化基礎、MLlib（RDD-Base API）機器學習、MatPlotlib 繪圖進階、高級繪圖工具

第二階段 - 商業數據可視化

Excel 業務分析

Excel 基礎技能、Excel 公式函數、圖表可視化、人力 & 財務分析案例、商業數據分析方法、商業數據分析報告

Mysql 資料庫

Mysql 基礎操作（一）、Mysql 基礎操作（二）、Mysql 中級操作、Mysql 高級操作、電商數據處理案例

PowerBI

初級商業智能應用 （PowerQuery）、初級商業智能應用 （PowerPivot）、初級商業智能應用案例、存儲過程、PowerBI Desktop 案例、PowerBI Query 案例

統計學基礎

微積分、線性代數基礎、統計基礎

Tableau

Tableau 基本操作、Tableau 繪圖、Tableau 數據分析、Tableau 流量分析

SPSS

客戶畫像、客戶價值模型、神經網路、決策樹、時間序列

第三階段 - Python 機器學習

Python 統計分析

數據准備、一元線性回歸、多元線性回歸、一般 logistic 回歸、ogistic 回歸與修正

Python 機器學習基礎

機器學習入門、KNN 講義、模型評估方法、模型優化方法、Kmeans、DBSCAN、決策樹演算法實戰

Python 機器學習中級

線性回歸、模型優化方法、邏輯回歸、樸素貝葉斯、關聯規則、協同過濾、推薦系統案例

Python 機器學習高級

集成演算法 - 隨機森林、集成演算法 -AdaBoost、數據處理和特徵工程、SVM、神經網路、XGBoost

第四階段 - 項目實戰

電商市場數據挖掘項目實戰

項目背景 & 業務邏輯 、指定分析策略 、方法實現與結果 、營銷活動設計及結果評價 、撰寫數據分析報告

金融風險信用評估項目實戰

項目背景 & 業務邏輯 、建模准備 、數據清洗 、模型訓練 、模型評估 、模型部署與更新

第五階段 - 數據採集

爬蟲類庫解析 、數據解析 、動態網頁提取 、驗證碼、IP 池 、多線程爬蟲 、反爬應對措施 、scrapy 框架

第六階段 - 企業課

團隊戶外拓展訓練 、企業合作項目課程 、管理課程 、溝通表達訓練 、職業素養課程

以上就是零基礎Python學習路線的所有內容，希望對大家的學習有所幫助。