朋友圈很多人都想学python，有一个很重要的原因是它非常适合入门。对于 人工智能算法 的开发，python有其他编程语言所没有的独特优势， 代码量少 ，开发者只需把精力集中在算法研究上面。
本文介绍一个用python开发的，自动与美女尬聊的小软件。以下都是满满的干货，是我工作之余时写的，经过不断优化，现在分享给大家。那现在就让我们抓紧时间开始吧！
准备：
编程工具IDE：pycharm
python版本： 3.6.0
首先新建一个py文件，命名为：ai_chat.py
PS： 以下五步的代码直接复制到单个py文件里面就可以直接运行。为了让读者方便写代码，我把代码都贴出来了，但是排版存在问题，我又把在pycharm的代码排版给截图出来。
第一步： 引入关键包
简单介绍一下上面几个包的作用： pickle 包 是用来对数据序列化存文件、反序列化读取文件，是人类不可读的，但是计算机去读取时速度超快。（就是用记事本打开是乱码）。 而 json包 是一种文本序列化，是人类可读的，方便你对其进行修改（记事本打开，可以看到里面所有内容，而且都认识。） gensim 包 是自然语言处理的其中一个python包，简单容易使用，是入门NLP算法必用的一个python包。 jieba包 是用来分词，对于算法大咖来说效果一般般，但是它的速度非常快，适合入门使用。
以上这些包，不是关键，学习的时候，可以先跳过。等理解整个程序流程后，可以一个一个包有针对性地去看文档。
第二步：静态配置
这里path指的是对话语料（训练数据）存放的位置，model_path是模型存储的路径。
这里是个人编程的习惯，我习惯把一些配置，例如：文件路径、模型存放路径、模型参数统一放在一个类中。当然，实际项目开发的时候，是用config 文件存放，不会直接写在代码里，这里为了演示方便，就写在一起，也方便运行。
第三步： 编写一个类，实现导数据、模型训练、对话预测一体化
首次运行的时候，会从静态配置中读取训练数据的路径，读取数据，进行训练，并把训练好的模型存储到指定的模型路径。后续运行，是直接导入模型，就不用再次训练了。
对于model类，我们一个一个来介绍。
initialize() 函数和 __init__() 函数 是对象初始化和实例化，其中包括基本参数的赋值、模型的导入、模型的训练、模型的保存、最后返回用户一个对象。
__train_model() 函数，对问题进行分词，使用 gesim 实现词袋模型，统计每个特征的 tf-idf , 建立稀疏矩阵，进而建立索引。
__save_model() 函数 和 __load_model() 函数 是成对出现的，很多项目都会有这两个函数，用于保存模型和导入模型。不同的是，本项目用的是文件存储的方式，实际上线用的是数据库
get_answer() 函数使用训练好的模型，对问题进行分析，最终把预测的回答内容反馈给用户。
第四步：写三个工具类型的函数，作为读写文件。
其中，获取对话材料，可以自主修改对话内容，作为机器的训练的数据。我这里只是给了几个简单的对话语料，实际上线的项目，需要大量的语料来训练，这样对话内容才饱满。
这三个工具函数，相对比较简单一些。其中 get_data() 函数，里面的数据是我自己编的，大家可以根据自己的习惯，添加自己的对话数据，这样最终训练的模型，对话方式会更贴近自己的说话方式。
第五步： 调用模型，进行对话预测
主函数main()， 就是你整个程序运行的起点，它控制着所有步骤。
运行结果：
程序后台运行结果：
如果有疑问想获取源码（ 其实代码都在上面 ），可以后台私信我，回复：python智能对话。 我把源码发你。最后，感谢大家的阅读，祝大家工作生活愉快！
计算机软件专业前言
最近我看了一些文章，都是python和java到底学谁好，我觉得Java的应用经验更丰富，代码量比Python更多一些，所以Python相对简单。
PYTHON是最好的语言：
学好Python能做什么?相信这是很多打算入门Python的新手们所关心的问题。知己知彼，方能百战百胜。更何况是想要学习热门的Python编程语言，更是少不了对其有一定的认识了解。
常言道: "流水的语言，铁打的 Python"，Python编程语言自身具有天生丽质，易于读写，非常实用，从而赢得了广泛的群众基础，被誉为"宇宙最好的编程语言"，被无数程序员热烈追捧。由于其可扩展性，适应性和易于学习而成为增长最快的编程语言之一。
Python的整体语言设计，低级和高级编程的平衡，模块化编程和测试框架使其不同于其他语言。即便是不相关的其他行业人士，也能很容易用Python完成项目，甚至利用它成功转行!
你没有看错，学好python就是这么受欢迎。
工作方向：
既然Python优势如此之多，那么，到底学好python能做什么?有哪些就业方向呢?
1.人工智能（AI） 2.网络爬虫 3.数据科学 4.Web 应用开发
小编在这里主要推荐人工智能，Python在人工智能大范畴领域内的数据挖掘、机器学习、神经网络、深度学习等方面都是主流的编程语言，得到广泛的支持和应用。
人工智能的薪酬是多少？
这是我一家招聘网上看到的阿里巴巴招聘工资，排在第一位的是人工智能，其次是图像算法（目前也挺火的），然后才是机械学习。可以看到人工智能的工资远远高于其他岗位，当然这基本上是985/211的毕业生，其他本科的待遇可能会差一点，不过基本保持在15K-20K之间吧，想想互联网其他岗位那个起薪有这么高。
为什么人工智能工资这么高？
说到底，还是因为稀缺，相对来说人工智能的起步条件还是很高的。首先培养需要很大的成本，而且想成为AI工程师，不仅需要过硬的编程能力，还需要扎实的数学基础和英文水平，另外，在上大学的时候就要受到名师指导，或者在毕业就职的时候，就能进入一个有实力的公司，接受前辈的指点。
AI工程师不等于程序员，在某些程度来看，AI工程师的层次是高于程序员的，想成为一名优秀的AI工程师，所需的知识，绝对不仅仅只有计算机方面的知识。因为AI工程可能只需要几百几千行代码就可以完成，
而JAVA工程则需要几万甚至十万以上行的代码才能完成，所以其技术含量可想而知。
既然工作没有那么简单，那常见的AI工程师每天都在干着什么岗位呢？
以纯理论方向发展的有AIpha,前段时间AIphaStar又一次以10比0的碾压式打败了人类。还有各种聊天软件如：微软小冰，小爱同学。
以实战方向发展的有YOLO多物体追踪，这个是实用性最好的模型。比如公安局应用的天网系统，对于通过的嫌疑人或者车辆可以进行检测和逃逸轨迹预测。（虽然是现在被一张图片打败了）
其实像阿里，腾讯等等这种大型企业因为占据了大好位置，也想进一步扩大地盘，所以不择手段的加工资，以吸引人才。（那为什么不挖我去，有他们一半工资就好了）
最后
人工智能这个岗位其实综合能力要求比较高的，就像开发岗的架构师一样，因为不是基础岗位所以它要求你对于框架，数据处理，数学部分和深度学习部分都要有所了解，如果有想往这方面走一定要多维的的发展。
当真正开始学习的时候难免不知道从哪入手，导致效率低下影响继续学习的信心。
但最重要的是不知道哪些技术需要重点掌握，学习时频繁踩坑，最终浪费大量时间，所以拥有有效资源还是很有必要的。
关于如些学习Python：
