Python語言其實很慢，為什么機器學習這種快速算法步驟通常還是用呢？對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉到Python進行機器學習的人，我想談談我的看法。首

Python語言其實很慢，為什么機器學習這種快速算法步驟通常還是用呢？

對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉到Python進行機器學習的人，我想談談我的看法。

首先，Python真的很慢嗎？我的回答是真的。非常慢。for循環(huán)比CPP慢兩個數(shù)量級。

那么為什么要使用Python呢？如果我們遍歷超過一億個數(shù)據(jù)，兩個數(shù)量級的差異是不可接受的。但是，如果我們使用Python來執(zhí)行頂層邏輯并阻塞數(shù)以億計的數(shù)據(jù)，Python只會循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個數(shù)量級無關緊要？一毫秒和100毫秒在整個系統(tǒng)中并不重要。

Python最大的優(yōu)點是它可以非常優(yōu)雅地將數(shù)據(jù)拋出到高效的C、CUDA中進行計算。Numpy、panda、numba這些優(yōu)秀的開源庫可以非常方便高效地處理海量數(shù)據(jù)，借助ZMQ、cell等還可以做分布式計算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費太多的精力就可以優(yōu)雅高效地完成海量數(shù)據(jù)處理和機器學習任務。這就是Python如此流行的原因。

好好想想。同樣的性能，代碼只有CPP或Java的三分之一或更少，不是很吸引人嗎？

java開發(fā)，轉大數(shù)據(jù)好還是機器學習？

謝謝。我建議轉向大數(shù)據(jù)。

我也從事java開發(fā)，我對這個主題的糾纏也有同樣的感受。畢竟，如果我精通Java，我已經付出了大量的學習精力。如果我學習機器學習，我基本上想告別Java，這無疑是一個非常不幸的選擇。

此外，轉向機器學習不僅需要深入了解python，還需要掌握數(shù)學算法，這是不可能一蹴而就的。因此，轉向人工智能的風險相對較高，很容易打亂一個人的職業(yè)規(guī)劃。

目前，大數(shù)據(jù)方向仍是一個需求量大、前景好的工作方向。Java廣泛應用于大數(shù)據(jù)領域。單憑Hadoop生態(tài)系統(tǒng)就足以完成大量的大數(shù)據(jù)工作，而Hadoop和Java是分不開的。

最重要的是大數(shù)據(jù)方向不會低于機器學習的工資，機器學習還處于初級階段。別擔心工資問題。

JAVA和PYTHON哪個更難？不是計算機專業(yè)的學生適合學哪個？

感謝您的邀請

！從編程語言本身的復雜性來看，Java比python更復雜，但python也可以編寫非常復雜的程序。

Java語言是一種純面向對象編程語言，具有嚴格的語法要求。同時，Java是一種典型的靜態(tài)語言，也就是說，Java不允許未定義的賦值。因此，java代碼有更多的模式（儀式）內容，包括一些復雜的定義過程。另外，Java對抽象有很高的要求。學習Java實際上就是學習Java如何完成抽象。

Python編程語言是腳本語言和面向對象語言的結合。Python不僅具有腳本語言的簡單性，而且具有面向對象語言的靈活性，因此受到了廣大程序員的歡迎。比如廣為流傳的“人生苦短，我用蟒蛇”就是一個比較生動的比喻。

對于非計算機專業(yè)的學生來說，由于Python語言易學，而且Python開發(fā)環(huán)境相對容易搭建，所以學習Python是一個不錯的選擇。

Python有很多應用領域，如web開發(fā)、大數(shù)據(jù)開發(fā)、大數(shù)據(jù)分析、機器學習、自然語言處理等。不同的領域需要掌握不同的知識結構，所以在學習python之前最好先確定一個學習方向。

雖然不同方向的學習內容不同，如Hadoop、spark等大數(shù)據(jù)開發(fā)學習內容，numpy、SciPy、Matplotlib等機器學習掌握的內容，但基本部分的內容是統(tǒng)一的，如列表、元組、字符串、函數(shù)、OO編程等，異常處理、數(shù)據(jù)庫開發(fā)、網絡基礎開發(fā)等內容（我在頭條）我寫了一系列關于學習python的文章，想學習的學生可以閱讀。

最后，學習Python需要大量的實驗。

剛上大一，報的計科，學了一年的c和JAVA，都說計算機和數(shù)學關系緊密，可為啥沒有感覺到？感到迷茫？

呵呵，你才剛一年級，剛剛學了一點語言。甚至不是初學者。關于計算機，你學到的最后一件事就是毫不夸張地學習數(shù)學。光靠學幾門語言你什么都做不了。特別是在編程實現(xiàn)某些函數(shù)時，如果數(shù)學學得不好，就不能設計出合適的算法。數(shù)學建模非常重要。我勸你不要想當然。讓我們來看看傅立葉變換，這是最常見的一個高數(shù)字。利用傅立葉變換設計低通濾波器是圖像處理中最常用的基本功能之一。

同樣，機器語言本身是一個二進制矩陣。圖像的本質也是由像素組成的矩陣。然后你就會知道線性代數(shù)的重要性。然后對各種圖像、信號進行放大和縮小，需要用到各種插值，那么你會后悔離散數(shù)學沒學過。當你學習信息論和通信原理時，你會后悔沒有理解復變函數(shù)和概率。。。。。

即使是大二專業(yè)基礎課使用的數(shù)據(jù)結構，堆棧、列、排序、二叉樹、哈希圖、遞歸等。。。。都是數(shù)學模型。。。

如果你真的想學好編程，你必須徹底地學習數(shù)學。至于編程語言，這完全是語法結構的問題。是一樣的。編程側重于算法。至于用什么語言，是膚淺和膚淺的。就像寫一本書，一部經典，把它翻譯成任何語言。如廁讀物，如果你用八種語言寫的話，也是如廁讀物。