php怎么采集图片，怎么自学数据分析？
这是一份数据分析师的入门指南，它包含七周的内容，Excel、数据可视化、数据分析思维、数据库、统计学、业务、以及Python。
每一周的内容，都有两到三篇文章细致讲解，帮助新人们快速掌握。这七周的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。
第一周：Excel
每一位数据分析师都脱离不开Excel。
它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。
Excel的学习分为两个部分。
掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。把各类数据输入，经过计算和转换输出我们想要的结果。
在SQL，Python以及R中，函数依旧是主角。掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近的函数。
在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。
清洗处理类：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text
关联匹配类：lookup、vlookup、index、match、row、column、offset
逻辑运算类：if、and、or、is系列
计算统计类：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif
搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。
第二部分是Excel中的工具。
在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性价比的几个技巧。包括数据透视表、格式转换、数组、条件格式、自定义下拉菜单等。正是这些工具，才让Excel在分析领域经久不衰。
在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。
Excel需要反复练习，实战教程「数据分析：手把手教你Excel实战」，它通过网络上抓取的数据分析师薪资数据作为练习，总结各类函数的使用。
除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。
了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，float等。
了解数组，以及相关应用（excel的数组挺难用），Python和R也会涉及到 list，是核心概念之一。
了解函数，深入理解各种参数的作用。它会在学习Python中帮助到你。
了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。
第二周：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。
数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。首先了解常用的图表：
Excel的图表可以100%绘制上面的图形，但这只是基础。
在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。
数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。了解图表的维度和适用场景，比好看更重要。比如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭露数据内在状态的变化和流向。案例是用户活跃状态的趋势。
Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可视化报表。「数据可视化：教你打造升职加薪的报表」教给大家常用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的设立、复合图表等方法。
Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。
图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。
上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元格直观不少。我们常常把绘制这类Dashboard的工具叫做BI。
BI（商业智能）主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。
另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。
在「数据可视化：手把手打造BI」教程中，以微软的PowerBI举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。最后的成果就是上文列举的分析师案例。
BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。
后续的进阶可视化，将和编程配合。因为编程能够提供更高效率和灵活的应用。而BI也是技术方向的工具，了解技术知识对应用大有帮助。
第三周：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。
在一场战争中，士兵装备再好的武装，进行再严苛的训练，若是冲锋的方向错了，那么迎接他们的唯有一败涂地。
分析思维决定一场「数据战争」中的冲锋方向。只有先养成正确的分析思维，才能使用好数据。
既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，以「我觉得我认为」展开，好的数据分析首先要有结构化的思维。
麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。最典型地莫过于金字塔思维。
这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。
除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这些都是不同领域的框架。框架的经典在于，短时间内指导新人如何去思考，它未必是最好的，但一定是性价比最优的。数据分析思维，是分析思维的引申应用。再优秀的思考方式，都需要佐证和证明，数据就是派这个用处的，「不是我觉得，而是数据证明」。
现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。每一位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机器学习，也是围绕指标体系建立的。
下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。每一个环节，都有数据及指标以查询监控。
不同业务背景需要的指标体系不同，但有几个建立指标的通用准则。这篇文章深入介绍了「如何建立数据分析的思维框架」。你将区分什么是好指标、什么是坏指标、比率和比例、指标的结构、指标设立的维度等概念。
数据分析不是一个结果，而是一个过程。几乎所有的分析，最终目的都是增长业务。所以比分析思维更重要的是驱动思维落地，把它转化为成果。
数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。以生活中的问题出发做练习。
这家商场的人流量是多少？怎么预估？
上海地区的共享单车投放量是多少？怎么预估？
街边口的水果店，每天的销量和利润是多少？怎么预估？
这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。另外就是刷各种CaseBook。
优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。
第四周：数据库
Excel很容易遇到瓶颈，随着业务的发展，分析师接触的数据会越来越多。对大部分人的电脑，超过十万条数据，已经会影响性能。何况大数据时代就是不缺数据，这时候就需要学习数据库了。
即使非数据岗位，也有越来越多的产品和运营被要求使用SQL。
很多数据分析师戏称自己是跑SQL的，这间接说明SQL在数据分析中有多核心。从Excel到SQL绝对是处理效率的一大进步。
教程内容以MySQL为主，这是互联网行业的通用标准。其实语法差异不大的。
新手首先应该了解表的概念，表和Excel中的sheet类似。「写给新人的数据库指南」是一篇入门基础文章，包括表、ID索引、以及数据库的安装，数据导入等简单知识。
SQL的应用场景，均是围绕select展开。增删改、约束、索引、数据库范式均可以跳过。新手在「SQL，从入门到熟练」教程会学习到最常见的几个语法，select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数。
数据还是分析师薪资数据，它可以和Excel实战篇结合看，不少原理都是相通的。
想要快速掌握，无非是大量的练习。大家可以在leetcode上做SQL相关的练习题，难度从简单到困难都有。「SQL，从熟练到掌握」教程中将会带领大家去刷一遍。
join对新手是一个很绕的概念，教程会从图例讲解，逐步提高难度。从一开始的join关联，到条件关联、空值匹配关联、子查询关联等。最后完成leetcode中的hard模式。
如果想要更进一步，可以学习row_number，substr，convert，contact等函数。不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再想提高，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。知道为什么union比or的效率快，这已经和不少程序员并驾齐驱。
第五周：统计学
很多数据分析师并不注重统计学基础。
比如产品的AB测试，如果相关人员不清楚置信度的含义和概念，那么好的效果能意味着好么？如果看待显著性？
比如运营一次活动，若不了解描述统计相关的概念，那么如何判别活动在数据上的效果？可别用平均数。
不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。
统计知识会教大家以另一个角度看待数据。如果大家了解过《统计数据会撒谎》，那么就知道很多数据分析的决策并不牢靠。
在第一篇教程「解锁数据分析的正确姿势：描述统计」，会教给大家描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。
箱线图就是描述统计的大成者，好的分析师一定是惯用箱线图的常客。
第二篇「解锁数据分析的正确姿势：描述统计(2)」将会结合可视化，对数据的分布进行一个直观的概念讲解。很多特定的模型都有自有的数据分布图，掌握这些分布图对分析的益处不可同日而语。
直方图和箱线图一样，将会是长久伴随分析师的利器。
统计学的一大主要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，「概率论的入门指南」和「读了本文，你就懂了概率分布」都是对其的讲解。
包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。理论不应用现实，那是无根之木，教程中会以运营活动最常见的抽奖概率为讲解，告诉大家怎么玩。
其实数据分析中，概率应用最广泛和最全面的知识点，就是假设检验，大名鼎鼎的AB测试就是基于它的。俗话说得好，再优秀的产品经理也跑不过一半AB测试。
何为假设检验？假设检验是对预设条件的估计，通过样本数据对假设的真伪进行判断。
产品改版了，用户究竟喜不喜欢？调研的评分下降了，这是用户的评价降低了，还是正常的数据波动呢？这些都是可以做假设检验的。它可以说是两面两篇文章的回顾和应用。
「数据分析必须懂的假设检验」依旧以互联网场景讲解各种统计技巧的应用。假设检验并不难，通过Excel的几个函数就能完成。它的难点在于诸多知识点和业务的结合使用，实际公式不需要掌握的多透彻，了解背后的意义更重要。
统计学是一个很广阔的领域，包括方差分析，时间序列等，都有各自不同的应用。大家若感兴趣，可以去阅读各类教材，没错，教材是学习统计学最优的方式。我这类文章堪堪算入门罢了。
第六周：业务
对于数据分析师来说，业务的了解比数据方法论更重要。举个例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，根本不知道垂直距离。这是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。业务形态千千万万，数据分析师往往难窥一二。我的公众号业务部分也涉及了不少，大家可以通过这几篇文章了解。
一篇文章读懂活跃数据；深入浅出，用户生命周期的运营；获取新增用户，运营都应该知道的事；运营的商业逻辑：CAC和CLV；从零开始，构建数据化运营体系；读懂用户运营体系：用户分层和分群，这些都是互联网运营相关的内容，或多或少涉及了不少业务方面的概念，数据分析人员可以选择性的挑选部分内容。了解业务的数据分析师在职场发展上会更加顺利。
而在「最用心的运营数据指标解读」中，我尝试总结了几个泛互联网领域的指标和业务模型，它们都是通用的框架。
产品运营模型：以移动端APP为主体，围绕AARRR准则搭建起数据框架。包括Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播，以及细分指标。
市场营销模型：以传统的市场营销方法论为基底，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。
流量模型：从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、用户分享率、停留时间、退出率跳出率等。
电商和消费模型：以商品的交易、零售、购买搭建而起。包括GMV、客单价、复购率、回购率、退货率、购物篮大小、进销存，也包含SKU、SPU等商品概念。
用户行为模型：通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层，还包含点赞评论浏览收藏等功能的相关指标。
除了上述的几个常见模型，数据分析还有其他分支。比如SEO/SEM，虽然可以归类到流量模型，但它并不简单。比如财务分析，商业的各种成本支出也需要专人负责。
在业务知识外，业务层面的沟通也很重要。业务线足够长的时候，沟通往往成为老大难的问题。
业务学习没有捷径，哪怕掌握了诸多模型，不同行业间的业务壁垒会是分析师们的门槛。金融的各类专有领域知识，电子商务不同产品的特性，这些都会影响到分析报告的质量。
在早期，新人最好选择一到两个领域深入了解其业务，然后以此拓展边界。
第七周：Python/R
第七周是最后的学习环节。
是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。掌握一门优秀的编程语言，可以让数据分析师升职加薪，迎娶白富美。数据分析领域最热门的两大语言是R和Python。R的优点是统计学家编写的，缺点也是统计学家编写。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。
Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。
这里的教程以Python为主。
「开始Python的新手教程」将会教大家搭建数据分析环境，Anaconda是功能强大的数据科学工具。Python建议安装Python3+版本，不要选择Python2了。
Python的语法相当简洁，大家print出第一个hello world顶多半小时。就像在Excel上进行运算一样方便。
「开始Python的数据结构」介绍给大家Python的三类数据结构，列表list，元组tuple，以及字典dict。万变不离其宗，掌握这三种数据结构以及相对应的函数，足够应付80%的分析场景。函数式编程为Python一大特色，Python自身就提供不少丰富的函数。很多都和Excel的函数相通，掌握起来非常迅速。另外还有控制流，for、while、if，通常配合函数组合使用。
「了解和掌握Python的函数」教大家如何自定义函数，丰富的函数虽然能偷懒，但是不少场景下，还是需要自己动手撸一个。
能够调第三方包解决，就使用第三方的函数。如果是一个频繁使用的场景，而第三方依靠不了，就自己编一个函数。如果是临时性的场景，写得粗糙点也无所谓。毕竟分析师的代码能力不要求工程师那么严格，所以Python的学习尽量以应用为主，不用像分析师那么严格。
包、模块和类的概念属于进阶知识，不学也不要紧。
「Python的数据分析: numpy和pandas入门」介绍了数据分析师赖以生存的两个包，numpy和pandas，其他Python知识可以不扎实，这两个最好认真掌握。它是往后很多技能树的前置要求。
array，series，dataframe是numpy和pandas的三个数据结构，掌握它们，便算是入门了。后续的两篇教程都是实战。
「用pandas进行数据分析实战」以分析师的薪资作为实战数据。Excel、BI、SQL，一路走来，大家想必对它无比熟悉，这也是最后一次使用它了。教程通过Pandas的各类功能，绘制出一副词云图。
信息采集码是什么？
采集码就是把目标网站的内容通过php代码存储到自己的网站数据库中，从而把别人的变成自己的。
这样就可以省去很多自己发布信息的时间，非常快速。
但是只建议在网站建立之初进行采集，因为如果采集过多会被搜索引擎屏蔽，这就是采集码。
电子商务行业的前景如何？
电商，是指电子商务，依靠互联网从事商务交易。
以前是依靠实际线下商场渠道销售，而电商依靠的的强大的互联网销售，让天南地北的人都能买到各个地方的东西，方便快捷。
现在的淘宝、京东、唯品会，就是相当于你们当地的各个大型商场马云。刘强东，他们其实就是为卖家和买家搭建了一个大型的商场，只是说这个商场再也没有地域限制，全国的商人和顾客都可以在这里面做生意和浏览。
当然作为商场，他们是要收取一定的佣金，这也就是各个平台所收的扣点费用，只要在他们的平台有成交，他们就会扣除一定的费用。
商家就相当于在商场里面开了一家店铺商家入驻平台，一样的交取保证金，一样的开店装修，一样的上架产品，一样的组织售卖，只是说这一切在电脑前就可以操作。
从而延伸了好多行业，比如电商设计，电商运营，电商客服等等，实际和线下的店长，装修工，店员没什么区别。
目前的电商市场需要很好的品牌就像线下的商场一样，越来越多的专卖店，越来越多的大牌专柜。线上也是一样，大家都比较信赖大品牌，旗舰店，当你拥有了一个好的品牌，那么你的电商第一步就成功了。
一个给力的运营团队线上是需要一定的特殊打法和玩法的，不能只是线上的纯纯吆喝。线上需要一个精通平台特性的团队，有熟练地后台操作人员，有想法多多的策划人员，有强有力的后勤支撑人员，拥有了这些，你的电商第二步也就成功了。
和平台搞好关系在商场里面做生意，你要是得罪了商场，你还能待下去吗？
同样道理，和平台搞好关系，你的流量和资源就会很多，就会有更多的人了解你的店铺，但是你一意孤行，不好意思，你的电商道路也就到头了。
什么是物联网？
作为一个电子专业出身的工作者，咱就通俗简单的说说物联网它到底是什么吧！
物联网的“物”指的是什么？“物”这个概念非常宽泛，它不确定某一个东西，但是把世界上的物件都联网，这是不可能的事情，世界上的物件太多了，现在的互联网网络数据传输不可能承载这么多物件同时进行信息交换，况且这么多物件联网，在电能耗电方面肯定是惊人的，地球上发的电不可能提供那么多的电能供所有“物”进行联网。
既然不是所有的“物”都联网，肯定是有选择性地，它一定对人们日常生活、生产活动是有帮助的物件。
它可以是机场、公路、建筑物、公共交通（火车、汽车等）等大型基础设施和公共环境；也可以是个人住所的智能家居产品（电饭锅、电热水器、电视机、电动窗帘等等）；还可以是工厂里面的机床设备、工控机器人、冶金锅炉等工业制造机械设备等，当然还可以是其他一些对我们生活提供便利性，给工、农、服务业带来生产管理自动化、标准化的物件。
共享自行车其实就是一个非常好的物联网应用，每一辆自行车它都是连接互联网的，你可以随时知道它的位置和状态（是否被使用、车辆是否完好）。
传感器——被忽视的中间物件，它是物联网信息交换的桥梁可以确定的是：物联网的核心与基础是互联网信息交换。我们要获取一个物件的各方面信息，需要通过一个信息采集设备自动地获取这个物件的运行状态、空间环境等信息，进行信息采集的设备我们就统称它们为传感器。我们要获取共享自行车的位置，就需要GPS/北斗等定位传感器进行定位；用传感器获知锁的开启/关闭状态，来确定自行车的使用状态。这些信息的获取都离不开传感器的测量感知。
现在的传感器技术也是越来越成熟，各种传感器不断地涌现，现在各种物理设备增设了不少传感器产品。一个小小的智能手机就集成了像GPS、摄像机、加速度感应器、霍尔传感器、红外光感器、红外遥控器、NFC通信感应器等等传感器设备。在工控环境还有很多其他的传感器，如温度传感器、湿度传感器、压力传感器、碰撞传感器、超声波距离传感器等等，这些传感器自动化地感知了生产环境的方方面面，让大型机床机器设备实现了全自动化工作。
传感器数据交换通信——实现物联网的关键技术“物”要真正连接互联网，还必须有接入互联网的中间通信链路。以前我们也有传感器和互联网网络，但因为缺少了连接传感器和互联网的中间通信链路，就无法形成互联网层面的物物之间的信息交换。共享自行车接入互联网的方式是采用了运营商的GPRS/LTE连接网络，每一辆自行车都装有SIM卡，装配了接入互联网的无线通信电路模块。
传感器数据接入互联网的方式还有很多，如WiFi、蓝牙、NFC、ZigBee等短距离数据交换通信方式，但这些接入方式需要有一个像运营商基站一样的通信连接节点，这个连接节点又通过有线连接的网关路由等设备连接互联网。
当然涉及物联网的其他方面还有很多，但上面这几点是物联网的基础核心。而物联网诞生的意义就是它服务于日常生活服务、生产经营管理活动，提高人们的日常生活环境的体验和各方面生产管理活动的效率。
适合自学的网站有哪些？
推荐10个高质量免费，但超小众的自学网站，每一个都是“神仙”网站。让你发现新世界，还能省下不少钱！
01 CoursadeCoursade是一个非常实用的在线公开课搜索引擎，你能在上面找到全世界的优秀课程，来丰富自己的学识！
上面的课程特别全面，支持51163个在线课程，涵盖范围非常广，不仅有大家耳熟能详的网站，还有很多超赞的小众网站的优质可能都能轻松搜索，甚至连一些著名大学的付费课程都有收录，虽然去不了哈佛大学，但我们能在上面上课呀！
不同于其他网站的免费课程，这上面的免费课程有很多，而且重要的一点在于，这些免费课程都很新，即最新的免费课程。网站虽然是英文的，但支持中文语言选项。并且课程的安排像极了大学，学习后，还需要交作业，十分有氛围哦，这些免费课程也是一样的。总之，如果你想要认真学习某门课程，这个网站一定会给你惊喜。另外，还有很多其他的网站，接下来我会为你一一介绍，而且我还准备好了这些网站的合集，如果你需要的话，可以免费拿走哈。02 doyoudodoyoudo是一个非常不错的技能学习网站，网站提供了超级多且免费的视频课程。重点是在，这些视频的质量很高。doyoudo 目前提供 C4D、AE、PS、Premiere 等多种设计类软件的教学，大部分的视频每集时间在 7 分钟左右，很方便学习，重点是，这些内容全部有自己的团队生产，这样能在很大程度上做到品控，课程质量还不错哦！
这个网站的标题出了的很好，如果你遇见一些问题，很容易在上面进行检索处理哦，比如我想做一个双重曝光的海报，直接搜索就能找到对应的海报：
如果你想要学习一些视频剪辑，平面设计之类的不防尝试下。03 国图公开课国图公开课是国家图书馆旗下的网站，国家图书馆的海量资源在这个上面全部都有，重点还完全免费。
如果你是中国文化爱好者，或者对历史感兴趣，一定多看看这个网站，会让你大开眼界！网站上还提供了很多专题，帮你解读图书或者某个领域的知识。提供16个学科的专业知识学习：
有些课程的制作也比较精良，只是可惜了，网站的知名度不高，可以负责地讲，这上面的老师绝对都是行业翘楚，讲的内容也很干货：这个网站，真的很值得学习！！04 MaspeakMaspeak 是一个学习多语言的实用网站，它支持11种语中学习：法语、英语、西班牙语、意大利语、德语、阿拉伯语、俄语、韩语、日语，中文，朝鲜语。内容很丰富。网站采用非常有趣的方式，帮助我们学习语言，有点类似ANKI的学习方法。通过翻页的形式，帮助我们以及词语，也会有语境，帮助我们快速理解学习。如果你想利用闲暇时间学习一些其他语言，可以试试这个网站，学习完全免费。05 edXdX是麻省理工和哈佛大学，于2012年4月联手创建的大规模开放的在线课堂平台。它免费给大众提供大学教育水平的在线课堂。在这里，你可以收听来自全球超60所高校的精品课程，中国的清华、北大、香港大学、香港科技大学四所高校也在内。除此之外，你还可以按照类别选择想要收听的课程，很是方便，个人推荐各位可以听听香港大学的相关课程，很赞！今天推荐的这些网站，我都收集好了，大家可以通过以下方式，一键获取~06 腾讯课堂腾讯课堂是腾讯推出的专业在线教育平台，里面涵盖很多专业的知识，专业的英语学习，设计，互联网，计算机等知识，名师讲解，系统学习，课程大部分属于免费，可以随意观看。依托于强大的能量，拿下了很多优质课程的免费资源，同时会邀请比较专业的人士，进行行业分析。虽然现在腾讯课堂的关注度正在变低，但认真寻找，很多优质的课程值得被学习。比如公开体验课中的内容还是很优秀的。
学习个摄影啥的小技能，还是很不错的。07 问答库问答库收录了数百万的公务员考试,建筑工程,IT认证,资格考试,会计从业,医药考试,外语考试,外贸考试,学历考试等各类题库以及一些常见的普通练习的题目题库供大家查询：
如果你想要自学进行考证，这个网站一定不能错过！这上面的题库很新，而且内容扎实：点击参考解析，不仅能看到答案，还能看到详细解读以及相关题目，让你完全吃透问题：公务员，各种考证学习必备呀！08 医学微视医学微视是一个以视频的方式，分享各种医学知识的良心网站，网站内容特别全，也是一个被埋没的网站。
这个网站是中国医学科学院做的，内容很扎实，并且都是最新的医学知识。分类做的超级细致。就拿儿童鼻炎这一个小病来说，解读的超级详细，而且全部是自身医生解读。完全免费不说，质量高的吓人。把复杂的医学知识系统化的讲解。如果你想要了解一些医学的相关知识，这个网站非常全面09 科塔学术虽然这不是一个自学网站，但还是想推荐给各位，内容真的超级赞，科塔学术导航是一个质量非常高的学术导航网站。如果你是学生党，或者需要查询一些报告的人，这个网站记得收藏下，网站涵盖15大分类，从学术导航到期刊分类，你想要的全部都有。即使是对于上班族，也可以在上面看一些优秀的期刊增加自己的见识和知识储备，要知道很多职场技能都离不开学术支撑。10 猿学一款由程序员创立并且面向“程序猿”的在线视频免费学习网站。
上面的课程十分丰富，程序猿需要学习什么，就有什么：JavaSE课程，HTML+CSS+JavaScript，React，JavaEE+Hadoop，C/C++，人工智能，Vue.js，Node.js，Linux，Dubbo+ZooKeeper，Angular.js，PhotoShop，Python，Office 2016教程之Word篇，Excel篇等等全部都有。而且网站上还有专门针对程序猿的形象提升课，努力摆脱格子衫，哈哈沟通能力课程也是不能少的，不然总会被产品和运营虐待！想要成为程序猿以及想要做好程序猿的，记得看看，会收获不小哦！网站课程全部免费。好了，今天先跟各位简单推荐了10款自学的网站，涵盖各大方面，希望对你有帮助哦！网站获取方式就在下方！注意是在私信里回复，大家可不要误发在评论里了哦~如果你发现有比较优秀的网站，也可以留言告诉我哦，我过来更新，毕竟好东西要分享，哈哈~觉得不错的话记得给我点个赞，鼓励下哈~