學Python一定要會算法嗎？剛開始入門時，不是必須學好算法的。但是隨著技術(shù)的深入，算法還是需要的，不然只能干點"搬磚"的活兒。1、學好軟件開發(fā)離不開計算機理論基礎(chǔ)，如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡技術(shù)、算

學Python一定要會算法嗎？

剛開始入門時，不是必須學好算法的。但是隨著技術(shù)的深入，算法還是需要的，不然只能干點"搬磚"的活兒。

1、學好軟件開發(fā)離不開計算機理論基礎(chǔ)，如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡技術(shù)、算法研究等。如果熱愛這門技術(shù)，這些都是不問題，先入門，這些慢慢的都可以補上。

2、關(guān)于算法，它是軟件開發(fā)的靈魂，沒有好的算法寫不出優(yōu)秀的程序。

3、如何學習算法，首先選取經(jīng)典算法教材?；A(chǔ)的可以先從《數(shù)據(jù)結(jié)構(gòu)》學起，里面有些基礎(chǔ)算法，然后再去學專門的算法(其實把數(shù)據(jù)結(jié)構(gòu)范疇的算法學好，一般就夠用了)。還有網(wǎng)上有很多論壇，算法網(wǎng)站，為了吸引眼球 一般都做的淺顯易懂。還有大部分算法為c語言，但語言在算法層面都相通的，明白算法模型才是最重要的。

4、萬事開頭難，只要入門，剩下的就是慢慢經(jīng)營這門技術(shù)就行了。算法在實踐中學的最快也最牢固。

希望能幫到你

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？

對于用過幾種開發(fā)語言（java，c#，nodejs，erlang），而后轉(zhuǎn)Python做機器學習的人，我說說我的看法。

首先，大家說python慢是真的嗎？我的回答是真的。非常慢，for循環(huán)比cpp慢兩個數(shù)量級。

那為什么還用Python?假如我們遍歷過億的數(shù)據(jù)，兩個數(shù)量級的差異是無法接受的。但如果我們用python做最上層的邏輯，把上億數(shù)據(jù)進行分塊，python只循環(huán)十幾次，剩下扔給cpu和gpu。那么兩個數(shù)量級是否就無所謂了呢？1毫秒和100毫秒在整個系統(tǒng)中真的無所謂了。

python最大的優(yōu)勢在于，可以非常非常優(yōu)雅的把數(shù)據(jù)扔給高效的c，cuda去做計算。numpy，pandas，numba這些優(yōu)秀的開源庫可以非常方便的高效的處理海量的數(shù)據(jù)，借助zmq，celery等還可以做分布式計算，gevent借助系統(tǒng)的epoll進行io優(yōu)化。所以，不需要花太多精力，就可以優(yōu)雅，高效的實現(xiàn)海量的數(shù)據(jù)處理，機器學習的任務。這是python火爆的原因。

想想，同樣的性能，代碼只有cpp或java的三分之一甚至更少，是不是很有誘惑力？

python易于上手，你都用python做什么？

對于非程序員：

1.輔助工作，如處理excel，基本數(shù)據(jù)統(tǒng)計，一些常規(guī)文件操作的批量處理等。

2.信息獲取，比如去某個網(wǎng)站批量獲取數(shù)據(jù)，去某個系統(tǒng)批量獲取查詢結(jié)果。

3.數(shù)據(jù)分析，數(shù)據(jù)分析，可視化顯示等

對于程序員：

1.做網(wǎng)站和系統(tǒng)，比如豆瓣網(wǎng)

2.數(shù)據(jù)挖掘，比如輿情分析

3.人工智能建模等

從事python后端需要學什么技術(shù)？

對于Python的學習人員需要掌握以下技術(shù)

1. 網(wǎng)絡編程。網(wǎng)絡編程在生活和開發(fā)中無處不在，哪里有通訊就有網(wǎng)絡，它可以稱為是一切開發(fā)的"基石"。對于所有編程開發(fā)人員必須要知其然并知其所以然，所以網(wǎng)絡部分將從協(xié)議、封包、解包等底層進行深入剖析。

2. 爬蟲開發(fā)。將網(wǎng)絡一切數(shù)據(jù)作為資源，通過自動化程序進行有針對性的數(shù)據(jù)采集以及處理。爬蟲開發(fā)項目包含跨越防爬蟲策略、高性能異步IO、分布式爬蟲等，并針對Scrapy框架源碼進行深入剖析，從而理解其原理并實現(xiàn)自定義爬蟲框架。

3.Web開發(fā)。Web開發(fā)包含前端以及后端兩大部分，前端部分，帶你從"黑白"到"彩色"世界，手把手開發(fā)動態(tài)網(wǎng)頁后端部分，帶你從10行代碼開始到n萬行來實現(xiàn)并使用自己的微型Web框架，框架講解中涵蓋了數(shù)據(jù)、組件、安全等多領(lǐng)域的知識，從底層了解其工作原理并可駕馭任何業(yè)內(nèi)主流的Web框架。

4. IT自動化開發(fā)。IT運維自動化是一組將靜態(tài)的設備結(jié)構(gòu)轉(zhuǎn)化為根據(jù)IT服務需求動態(tài)彈性響應的策略，目的就是實現(xiàn)減少人工干預、降低人員成本以及出錯概率，真刀真槍的帶你開發(fā)企業(yè)中最常用的項目，從設計層面、框架選擇、靈活性、擴展性、故障處理、以及如何優(yōu)化等多個層面接觸真實的且來源于各大互聯(lián)網(wǎng)公司真實案例，如:堡壘機、CMDB、全網(wǎng)監(jiān)控、主機管理等。

5. 金融分析。金融分析包含金融知識和Python相關(guān)模塊的學習，手把手帶你從金融小白到開發(fā)量化交易策略的大拿。學習內(nèi)容囊括NumpyPandasScipy數(shù)據(jù)分析模塊等，以及常見金融分析策略如"雙均線"、"周規(guī)則交易"、"羊駝策略"、"Dual Thrust 交易策略"等，讓夢想照進現(xiàn)實，進入金融行業(yè)不再是個夢。

6. 人工智能 機器學習。人工智能時代來臨，率先引入深度機器學習課程。其中包含機器學習的基礎(chǔ)概念以及常用知識，如:分類、聚類、回歸、神經(jīng)網(wǎng)絡以及常用類庫，并根據(jù)身邊事件作為案例，一步一步經(jīng)過預處理、建模、訓練以及評估和參調(diào)等。人工智能是未來科技發(fā)展的新趨勢，Python作為最主要的編程語言，勢必有很好的發(fā)展前景，現(xiàn)在學習Python也是一個很好的機會。

python和matlab哪個更適合實現(xiàn)人工神經(jīng)網(wǎng)絡算法？

Python可能更勝一籌！matlab有神經(jīng)網(wǎng)絡的工具箱，用起來也很方便！

python神經(jīng)網(wǎng)絡可以做什么？

python神經(jīng)網(wǎng)絡有很多種，比如BP神經(jīng)網(wǎng)絡在函數(shù)逼近，模式識別，分類及數(shù)據(jù)壓縮等領(lǐng)域有應用。RBF徑向基神經(jīng)網(wǎng)絡能夠以任意精度逼近任意連續(xù)函數(shù)，所以在圖像處理，語音識別，時間系列預測，雷達原點定位，醫(yī)療診斷，錯誤處理檢測，模式識別等領(lǐng)域有應用。循環(huán)神經(jīng)網(wǎng)絡在自然語言處理，例如語音識別、語言建模、機器翻譯等領(lǐng)域有應用，也被用于各類時間序列預報或與卷積神經(jīng)網(wǎng)絡相結(jié)合處理計算機視覺問題。長短期記憶網(wǎng)絡（LSTM）在不分段連續(xù)手寫識別上，語音識別等領(lǐng)域有應用，卷積神經(jīng)網(wǎng)絡在計算機視覺，自然語言處理，物理學，遙感科學，大氣科學等領(lǐng)域有應用。還有其他一大堆神經(jīng)網(wǎng)絡，他們都在各個領(lǐng)域都有應用。