摘要：
大家好，今天小编关注到一个比较有意思的话题，就是关于深度学习与python的问题，于是小编就整理了4个相关介绍深度学习与python的解答，让我们一起看看吧。python做深度学习... 大家好，今天小编关注到一个比较有意思的话题，就是关于深度学习与python的问题，于是小编就整理了4个相关介绍深度学习与Python的解答，让我们一起看看吧。
python做深度学习如何入门？
你好！很高兴回答你的问题，针对笔友提出的python做深度学习如何入门这个问题，我查阅个各类资料，以及跟同学、朋友进行探讨，得出以下结论，希望能帮助到大家：
目前，python语言的上升趋势很明显，而且与J***a等传统的PR编程语言不同，PR语言的应用边界也比较宽，PR很多传统行业(金融、医疗、统计等)的员工也使用PR语言。 对于零编程基础初学者来说，在学习Python语言时，应注意以下几点
第一，选择适合自己的学习资料。 虽然Python语言本身比较简单，但是没有编程基础的人对学习Python编程感到困惑，所以选择学习资料时，请尽量不要选择很厚(知识量非常大)的书。
第二，制定连续的学习***。 学习Python编程需要持续的学习***。 请每天抽出一定的学习时间，获得更好的学习效果。 从历史经验来看，最好每天保持1到2小时的学习时间，但对于学习能力高的人来说也能延长学习时间。
第三，重视实验的作用。 由于编程语言本身是一种工具，所以在学习编程语言的过程中，必须重视实验的作用。 做实验不仅可以促进自己对各种抽象概念的理解，还可以提高自己的实践能力。 如果有学习编程的捷径，那就边用边学，程序员在学习编程语言时，多边用边学。
以上是笔者的回答，希望能帮助到你！
python做深度学习视觉和大数据哪个更有前途点儿？
两个都是非常好的发现方向，第一个需要更多的专业知识支持，偏向于研究；第二个也是时代所需，往这方面发展也不错，需要的技能没有第一个多，平常办公也会用的到，可以选择往这方面发展！
python做深度学习视觉和大数据哪个更有前途点儿？
我个人认为大数据方向会更有前途。原因有两点，
二是算法岗位想要往上升，需要你在算法层面要有一定的影响力才行。比如发表知名论文、将算法应用到业务场景取得很大的提升。而大数据偏于工程类，工程类相对于算法类的工作内容，更容易进行提升和做出成绩。算法类需要你有很强的数学功底才行。你选择深度学习视觉方向，首先你接触到最多的机器学习算法应该是神经网络相关算法，什么卷积神经网络、神经元、激活函数、优化函数等等。之前我同事在做分享的时候，说实话，讲了很多关于神经网络的，我很多地方都没有听懂，这些点比较晦涩难懂。如果你喜欢偏向于工程类的工作，不建议你选择深度学习视觉方向。
同时，深度学习视觉方向，肯定也有很多名校高学历的同学和你一起竞争，尤其是互联网大厂的岗位，毕竟研究生以上做工程的很少，几乎都是算法。所以整体下来，这个岗位的竞争会非常激烈，可能你非常棒，最后还是输给了其他学历比你高的同学，比如博士。结合拿 offer 的成功率来说，我也建议你选择大数据而不是深度学习。
大数据技术说实话，现在国内很多互联网公司都在使用，数据量大肯定要使用大数据技术来进行解决。使用大数据技术的公司多，那么需要大数据岗位的公司也就多，从而你的就业公司选择机会就多了起来。
大数据技术整体偏向于工程类，所以学习起来，不需要你有太深的数学功底就可以学习，不像机器学习算法，有个知识点你如果不懂的话，可能某个算法的公式推导你就不懂，最终你就不了解整个算法的原理。
大数据技术未来应该会有更多的突破点，像现在很多技术也已经开始兴起，比如人工智能、物联网、边缘计算等等。未来人类所产生的数据量会越来越多，我相信在未来，大数据技术会变得越来越创新。
我是Lake，专注大数据技术原理、人工智能、数据库技术、程序员经验分享，如果我的问答对你有帮助的话，希望你能点赞关注我，感谢。
我会持续大数据、数据库方面的内容，如果你有任何问题，也欢迎关注私信我，我会认真解答每一个问题。期待您的关注
没有python基础学的会深度学习吗？
<strong>***实例现场告诉你答案：学不会的！即便是有Python基础，也学不会！
深度学习更重视数学基础，大学数学，微积分，线性代数，没有数学理论功底的支撑，很难说能玩出什么花样。
当然，如果只是想照搬别人的模型去学习，就不需要那么多的数学基础！但，还是要Python基础的鸭！
需要先学习Python，才可以学习深度学习，准确的说是需要编程基础，而Python是在深度学习中应用最广，最容易上手学习的编程语言
（报名优就业的深度学习课程会单独赠送python基础课程的，无基础学员也能学习）。
怎样从Python新手变成深度学习高薪抢手人才？
Python小白进阶，要从一个新手变成深度学习的高薪抢手人才，是需要经过系统的学习，还要有实战经验的支撑。
自学就不要尝试了，自学能成才的是少之又少，如果都能自学成才，那老师的存在就没有必要了。
Python新手期间，基础是首要根本。从最基本的学起，再慢慢循序渐进学习高阶的知识。当你的理论知识学到一定程度后，就需要实战经验来丰富自己。
而这些实战经验是需要真实的商业项目支撑，但是一个没有实战经验的Python新手是很难被企业接受。这时候就可以考虑培训学习。
很多培训机构是有和企业合作的。线下比较昂贵，而一个靠谱的线上机构（认准有“认证”的机构）学费不仅比较优惠，教学内容也是十分夯实，并且课程学习期间还有真实项目驱动学习，让你将学习的基础运用到实际中，工作的时候，培训时间做项目的实战经验，让你工作也会得心应手。
1. 机器学习需要一定的数学基础，但不要听说了这个之后就去把所有的数学教科书学一遍，可以把这些书放在手边备查即可。
2. 如果你英语不错建议看吴恩达在斯坦福机器学习基础课程(2到3个月完成)。
3. 如果英语听力一般，建议看台湾大学林轩田老师的基础课程，这里提到的两个课程都免费并且是非常优秀的课程。
4. 在这一切开始之前建议你花一天的时间读一下吴军博士写的“数学之美”这本书，当***看就行，他会纠正你的学习方法。
5. 世界上不仅仅只有机器学习这一行，如果你经过3到5个月的学习，你发现还是没有办法很好的理解诸如：无限猜想空间下撞墙概率是如何被霍夫丁不等式和VC维限制住的？那要思考一下继续走下去是否代价太大！不是说一定不行，而是说老天爷给你开的那扇门可能不在这个地方，如果你非要从这过去的话，你只能在墙上打个洞，比较辛苦。
到此，以上就是小编对于深度学习与python的问题就介绍到这了，希望介绍关于深度学习与python的4点解答对大家有用。
