Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？对于那些使用了多种开发语言（Java、C#、nodejs、Erlang）然后转用Python进行机器学习的人，我想谈谈我的看法。
首先，Python真的很慢吗？我的回答是真的。非常慢。for循环比CPP慢两个数量级。
那么为什么要使用Python呢？如果我们遍历超过一亿个数据，两个数量级的差异是不可接受的。但是，如果我们使用Python来执行顶层逻辑并阻塞数以亿计的数据，Python只会循环十几次，剩下的就留给CPU和GPU了。所以两个数量级无关紧要？一毫秒和100毫秒在整个系统中并不重要。
Python大的优点是它可以非常优雅地将数据抛出到高效的C、CUDA中进行计算。Numpy、panda、numba这些优秀的开源库可以非常方便高效地处理海量数据，借助ZMQ、cell等还可以做分布式计算，gevent借助epoll系统IO优化。因此，它不需要花费太多的精力就可以优雅高效地完成海量数据处理和机器学习任务。这就是Python如此流行的原因。
好好想想。同样的性能，代码只有CPP或Java的三分之一或更少，不是很吸引人吗？
为什么Python是入行人工智能的选语言？人工智能是我的研究方向之一。目前我还在用Python做智能诊疗的落地应用。我将根据我的个人经验谈谈Python在人工智能中的应用。
我是从机器学习开始研究人工智能的，因为我以前一直在做大数据相关的研发，从大数据进入机器学习是很自然的。机器学习所要做的就是从无序的数据中发现规律，通过数据的采集和排序来训练算法，从而实现最终的应用。
由于我已经使用java很长时间了，当我第一次开始实现机器学习算法时，我的选语言是java。毕竟编程语言只是一个工具，哪个工具好用，所以我总是用java来实现。直到有一次我参加了一个机器学习交流会，一位同行推荐我用Python来做机器学习。他告诉我Python做机器学习非常简单，你不必过多考虑语言实现，你可以专注于算法。
我花了大约一个星期的时间学习python，然后我开始在使用python时熟悉它。现在我们已经使用Python好几年了，可以说Python非常适合算法实现。一方面语法简单，另一方面可以使用的算法库非常丰富，而且程序可以快速调整，所以用Python做机器学习让我感觉轻松了很多。
目前，我的登陆项目也已经用Python完成了。虽然速度不如Java快，但从程序开发的角度来看，使用python确实很有趣。
学完了python能做什么工作？Python作为一种编程语言，近年来通过人工智能得到了迅速的发展。学习python之后，您可以选择以下方向。
1.后台服务器。现在，这通常与整个堆栈相关联，即所谓的全包前端和后端。在这个方向上，在学习了python的基础知识之后，还需要学习前端知识、数据库知识、Linux系统相关知识，而且几乎所有做后台的人都要使用Linux系统。在学习了这些之后，我们将开始学习后端框架，如flash、Django和tornado。
2.数据分析。这是目前一个热门的方向。在学习了python的基础知识之后，您需要学习numpy、pandas、Matplotlib、SciPy和其他数据统计分析库。当然，你必须在这方面有一些数学知识。
3.自动操作和维护。在这个方向上，除了Python基金会，您还必须精通Linux系统。一般来说，你做Linux操作和维护。这一方向对Linux系统提出了更高的学习要求。
4.AI方向。这个方向是当前Python火爆的主要原因。但是这个方向不仅需要Python的基础，而且还需要学习各种算法，对数学有很高的要求。在熟悉了算法之后，我们开始学习各种与人工智能相关的库。这个方向可以细分为许多方向，如计算机视觉、自然语言处理等。你可以学习你想从事的算法和实用库。
学习python之后，有很多方向可供选择。首先，选择一个好的方向，然后继续学习该方向所需的技能。通过做项目指导学习，可以逐步满足工作要求。当然，工作不能停止学习，编程是需要继续学习的。来吧。