Python开发工程师必知的十大机器学习库：
一、Scikit-Learn
在机器学习和数据挖掘的应用中，Scikit-Learn是一个功能强大的Python包，我们可以用它进行分类、特征选择、特征提取和聚集。
二、Statsmodels
Statsmodels是另一个聚焦在统计模型上的强大的库，主要用于预测性和探索性分析，拟合线性模型、进行统计分析或者预测性建模，使用Statsmodels是非常合适的。
三、PyMC
PyMC是做贝叶斯曲线的工具，其包含贝叶斯模型、统计分布和模型收敛的诊断工具，也包含一些层次模型。
四、Gensim
Gensim被称为人们的主题建模工具，其焦点是狄利克雷划分及变体，其支持自然语言处理，能将NLP和其他机器学习算法更容易组合在一起，还引用Google的基于递归神经网络的文本表示法word2vec。
五、Orange
Orange是一种带有图形用户界面的库，在分类、聚集和特征选择方法方面，相当齐全，还有交叉验证的方法。
六、PyMVPA
PyMVPA是一种统计学习库，包含交叉验证和诊断工具，但没有Scikit-learn全面。
七、Theano
Theano是最成熟的深度学习库，它提供不错的数据结构表示神经网络的层，对线性代数来说很高效，与Numpy的数组类似，很多基于Theano的库都在利用其数据结构，它还支持开箱可用的GPU编程。
八、PyLearn
PyLearn是一个基于Theano的库，它给Theano引入了模块化和可配置性，可以通过不同的配置文件来创建神经网络。
九、Hebel
Hebel是一个带有GPU支持的神经网络库，可以通过YAML文件决定神经网络的属性，提供了将神级网络和代码友好分离的方式，并快速地运行模型，它是用纯Python编写，是很友好的库，但由于开发不久，就深度和广大而言，还有些匮乏!
十、Neurolab
Neurolab是一个API友好的神经网络库，其包含递归神经网络实现的不同变体，如果使用RNN，这个库是同类API中最好的选择之一。
零基础可以使用Python进行机器学习。如需使用Python进行机器学习推荐选择【达内教育】。使用Python进行机器学习，要掌握以下基础：1、掌握Python基础知识。
2、了解Python科学计算环境。熟悉4种工具的基础知识，因为它们在基本的【Python机器学习】中得到了很好的应用。
3、分类。分类是监督学习的主要方法之一，并且执行预测的方式涉及具有类标签的数据。
4、回归。回归类似于分类，因为它是监督学习的另一种主要形式，并且对预测分析有用。
5、聚类。聚类用于分析不包括预先标记的类的数据。使用最大化类内相似性和最小化不同类之间的相似性的概念将数据实例组合在一起。
6、更多分类。
7、合奏方法。感兴趣的话点击此处，免费学习一下
想了解更多有关使用Python进行机器学习的相关信息，推荐咨询【达内教育】。该机构已从事19年IT技术培训，并且独创TTS8.0教学系统，1v1督学，跟踪式学习，有疑问随时沟通。该机构26大课程体系紧跟企业需求，企业级项目，课程穿插大厂真实项目讲解，对标企业人才标准，制定专业学习计划，囊括主流热点技术，助力学员更好的学习。达内IT培训机构,试听名额限时抢购。
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：
