python代碼記不住可以找工作嗎？謝謝你的邀請(qǐng)。代碼是不會(huì)被記住的。你可以多練習(xí)。建議通過(guò)做小項(xiàng)目來(lái)學(xué)習(xí)。你可以注意我的標(biāo)題“尤凡提”。課堂上錄了很多視頻，包括Python/機(jī)器學(xué)習(xí)簡(jiǎn)介/深度學(xué)習(xí)簡(jiǎn)

python代碼記不住可以找工作嗎？

謝謝你的邀請(qǐng)。代碼是不會(huì)被記住的。你可以多練習(xí)。建議通過(guò)做小項(xiàng)目來(lái)學(xué)習(xí)。你可以注意我的標(biāo)題“尤凡提”。課堂上錄了很多視頻，包括Python/機(jī)器學(xué)習(xí)簡(jiǎn)介/深度學(xué)習(xí)簡(jiǎn)介/pyspark大數(shù)據(jù)開(kāi)發(fā)/人臉識(shí)別項(xiàng)目等，你可以從Python項(xiàng)目開(kāi)始，根據(jù)我的視頻一步一步地做項(xiàng)目，慢慢的你會(huì)感覺(jué)到，也不會(huì)問(wèn)這樣的問(wèn)題。如果硬件條件好，可以選擇人工智能作為未來(lái)的發(fā)展方向。人工智能的發(fā)展一般是從python開(kāi)始的，但是對(duì)數(shù)學(xué)和統(tǒng)計(jì)學(xué)，特別是概率論和統(tǒng)計(jì)學(xué)有一定的要求。

人工智能學(xué)習(xí)的總體路線圖：1。數(shù)據(jù)科學(xué)中的統(tǒng)計(jì)學(xué)基礎(chǔ)

你可能沒(méi)有太多的時(shí)間去系統(tǒng)地學(xué)習(xí)。掌握數(shù)據(jù)分析和挖掘所需的統(tǒng)計(jì)基礎(chǔ)，以后慢慢補(bǔ)課。當(dāng)然，你的專(zhuān)業(yè)是統(tǒng)計(jì)學(xué)，所以沒(méi)什么大問(wèn)題。

2. Python核心編程

這本市面上的Python書(shū)和視頻幾乎一樣。我建議你看我的視頻，快速開(kāi)始一個(gè)小項(xiàng)目。

3. Python

數(shù)據(jù)分析/數(shù)據(jù)挖掘

掌握numpy、pandas、Matplotlib等與數(shù)據(jù)分析相關(guān)的庫(kù)，如果數(shù)據(jù)分析是發(fā)展方向，則關(guān)注pandas/Matplotlib，而關(guān)注numpy則是AI方向。

4. 機(jī)器學(xué)習(xí)

重點(diǎn)掌握sklearn機(jī)器學(xué)習(xí)庫(kù)，熟悉各種機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)合。

5. 深入學(xué)習(xí)

關(guān)注CNN/RNN和常見(jiàn)變體，tensorflow2/keras/pytorch框架。

6. 計(jì)算機(jī)視覺(jué)/自然語(yǔ)言處理/語(yǔ)音技術(shù)

計(jì)算機(jī)視覺(jué)相對(duì)成熟，而NLP是近年來(lái)學(xué)術(shù)界爆發(fā)的主要方向。

希望對(duì)您有所幫助

Keras還是TensorFlow，程序員該如何選擇深度學(xué)習(xí)框架？

如果您想用少量代碼盡快構(gòu)建和測(cè)試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且順序API和模型非常強(qiáng)大。而且keras的設(shè)計(jì)非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡(jiǎn)單操作相比，tensorflow編譯碼的構(gòu)造過(guò)程非常復(fù)雜（尤其對(duì)于初學(xué)者來(lái)說(shuō)，大量的記憶過(guò)程非常痛苦）。此外，keras將模塊化作為設(shè)計(jì)原則之一，用戶(hù)可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來(lái)實(shí)現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對(duì)較慢。如果高度包裝，上述缺點(diǎn)將更加明顯。除了一些對(duì)速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會(huì)選擇tensorflow

如果您在驗(yàn)證您的想法時(shí)，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個(gè)性空間。此外，對(duì)神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對(duì)網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個(gè)變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶(hù)仍然追求一些高階功能選擇，例如研究特殊類(lèi)型的模型，則需要tensorflow。例如，如果您想加快計(jì)算速度，可以使用tensorflow的thread函數(shù)來(lái)實(shí)現(xiàn)與多個(gè)線程的相同會(huì)話。此外，它還提供了調(diào)試器功能，有助于推斷錯(cuò)誤和加快操作速度。

有人說(shuō)，人工智能將來(lái)可替代程序員寫(xiě)代碼，你怎么看？

感謝您的邀請(qǐng)

！有人說(shuō)人工智能在未來(lái)可以取代編程。你怎么認(rèn)為？

很好

！隨著科學(xué)技術(shù)的發(fā)展，

這是絕對(duì)可能的，

然而，

多么發(fā)達(dá)，

有些程序仍然離不開(kāi)人類(lèi)的操作，

程序猿，

有些程序必須由人類(lèi)來(lái)完成，

毫無(wú)疑問(wèn)，

無(wú)論智能多么發(fā)達(dá)，

有些人的操作，

永遠(yuǎn)不能被取代，

這是真的，

有些事情，

人工智能無(wú)法隨時(shí)完成，

人不會(huì)被智能取代和平息，

總有一些程序供人操作！