上手機器學習，Python需要掌握到什麼程度？

1樓：千鋒教育

近年來，隨著人工智慧和大資料概念的興起，帶動了 Python 的快速增長，幾乎成為新興領域的不二之選。Python 用途廣泛，幾乎可稱為全能，逐步廣泛應用於後端開發、前端開發、爬蟲、金融量化分析、自動化運維、自動化運維、大資料，Python 等領域。

人工智慧非常火爆，尤其是深度學習，其工具框架大都提供了 Python 介面。Python在科學計算領域一直有著較好的聲譽，因為Python 簡單易學框架豐富。很多框架對於Python 非常的友好！

對於上手機器學習，可以參考以下課程。

2樓：藍橋雲課

Python 僅僅是作為語言工具，掌握基礎語法即可。重點學習，應該還是機器學習裡面涉及到的機器學習的一些庫，以及常用的機器學習框架等內容。比如：

Matplotlib 資料繪圖基礎課程：主要對 Matplotlib 常用的繪圖方法進行簡介。並介紹其繪圖常用的方法。

NumPy 數值計算基礎課程：講解 NumPy 強大的高維度陣列處理與矩陣運算能力。除此之外，NumPy 還內建了大量的函式，方便你快速構建數學模型。

SciPy 科學計算基礎課程：將帶你了解 SciPy 的基礎用法。

Pandas 時間序列資料處理：主要講解利用 Pandas 對資料集進行快速讀取、轉換、過濾、分析等一系列操作。同樣，Pandas 已經被證明為是非常強大的用於處理時間序列資料的工具。

重點介紹所有 Pandas 在時間序列資料上的處理方法。

PyTorch 深度學習基礎課程：我們將學習 PyTorch 的基礎語法，了解 Autograd 自動求導機制，並最終利用 PyTorch 構建可用於影象分類任務的人工神經網路。

TensorFlow 深度學習基礎課程：講解使用 TensorFlow 搭建神經網路常用的低階 API 和其整合的高階 API ：Keras。

TensorFlow 2 深度學習入門與實踐：2019 年，TensorFlow 正式推出了 2.0 版本，也意味著 TensorFlow 從 1.

x 正式過度到 2.x 時代。

3樓：死神守護之刃

看你想幹啥，如果只是調包，學一下午掌握基本語法就OK了。

如果想拿Python復現一些演算法的話，numpy等包要把介面弄清楚。

4樓：忘荃

首先恭喜題主，你的直覺是正確的，在上手機器學習前，確實需要對python有一定的掌握程度。我本人當初就是學了很久的機器學習，才發現自己還不懂python的基礎知識，非常影響學習體驗。下面是具體的回答：

需要掌握到掌握基本的函式式程式設計，和物件導向程式設計的方法。

同時對高階的函式式程式設計，和物件導向程式設計的方法有一定了解，知道其中有哪些知識點以及大概的作用。

也就是說你需要牢固掌握的python基礎包括：變數，運算子，語句，控制流，函式用法，list、str、dict、tuple的用法，物件導向知識，python常用標準庫，檔案讀寫，呼叫第三方庫等。尤其是對於之前沒有程式設計基礎的同學來說，掌握這些基礎再開始進行下一步非常重要。

忘荃的趣味程式設計：最必要的最小建議集：寫給剛入門程式設計（python）的同學

永遠清楚你正在使用的變數的資料型別，不要把python當成了魔法，更不要被它愚弄。python的最大特點之一是靈活，但是語言的靈活性卻也是刺向初學者的利劍。

5樓：程式設計師小賢

python基礎語法知識，這是重點，比較簡單，沒有什麼複雜的邏輯而言。

numpy庫，python的乙個第三方庫，主要用於科學計算，這個庫是很多機器學習，人工智慧框架所依賴的核心庫。

pandas庫，python中使用者用於資料處理的庫，基於numpy實現。

matplotlib庫，python中用於繪圖的乙個庫，可以繪製各種統計圖，功能很是強大，在資料處理時和演算法調優時會用到，使用影象可以使我們清晰的看到資料分布和演算法調優過程。

sklearn庫，機器學習階段所使用的庫，當中實現了大部分機器學習所用到的演算法，包括引數調優都是非常的方便。（機器學習重點）

tensorflow，深度學習框架，由谷歌公司開發，現在已經市面上是用最多的深度學習框架，當中實現了很多深度學習演算法，神經網路。（深度學習重點）

以上就是機器學習，人工智慧學習所要用到的庫，每乙個都很重要，都需要掌握，但是難度不大，加油吧少年！

6樓：

不用學，Python語言本身就很接近自然語言。學一下machine learning的理論知識，看Tensorflow裡面現有的演算法實現，自然而然你就會寫了，可能在這個過程中，需要了解一些Python第三方庫，比如Numpy等。