大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习编程推荐的问题，于是小编就整理了5个相关介绍机器学习编程推荐的解答，让我们一起看看吧。
java开发，转大数据好还是机器学习？
根据我的经验来看，这两个方向，机器学习相对更高阶一点，前景更大点。
而且，不存在用python就放弃j***a这一说法
而且你还在学习的过程当中，当你学有所成的时候再考虑后续的问题才对
个人认为转大数据比较好，变现…赚钱比较快，对于赚钱快的，总是最受欢迎的。AI的发现是个漫长而又缓慢的过程。在阿法狗在围棋上战胜了柯洁以后。谷歌向全人类展示了AI的魅力。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图***用机器学习的方法加以克服。AI的发展功在千秋。人类有寿命，可以机器没有。可以无限制的学习。甚至超越人类。像黑客帝国或终结者一样。
如果是985/211毕业，学霸级别的j***a程序猿转做机器学习也并非无阻力，需要拾起课本，认真的啃书。但是如果是专科毕业或者高中毕业自学编程。那就强烈建议你转行做大数据。理论功底对于编程可能毫无作用。你知道红黑树怎么算对你做数据处理的网页，几乎毫无帮助。但是却限制了你进一步发展。有用，真的有用，只是初级程序猿不需要，也用不上。感谢阅读分享。祝您新春快乐，阖家幸福安康。欢迎点赞。小编百拜。
如果楼主不想放弃J***a，那么我推荐去大数据。
如果从未来前景上看，我推荐去机器学习。
大数据的大火要更早一些，近些年，热度已经逐渐被机器学习夺了去。
大数据分析能够带来很多神奇的事情，比如谷歌能够比医院更早的预测到流感即将袭来，因为大家在去医院之前，总是习惯先去Google上搜感冒的一些症状，因此当某地的搜索结果中，感冒相关的query飙升的时候，基本可以确定，流感即将袭来了。
大数据工程师通常是继续以J***a开发为主，但是只会J***a和Hadoop也只是基础，在真正的大数据开发工程师眼里，可能连面试的门槛都过不去。
如果真的想做大数据，还要研究分布式计算的模型，如何写mapreduce，以及如何进行作业优化，如何解决数据处理过程中遇到的问题。此外最好还要学会Scala，这是在写spark时常用的语言。
因此，转大数据，也需要J***a开发的你学习很多新的知识，并不是有了J***a经验就能直接上手大数据开发的。
相对来说，机器学习与J***a的关系更疏远了一些。你首先需要学习各种先进的机器学习算法，比如支持向量机，神经网络，决策树，逻辑回归等等，这些都是要阅读很多文献，并且对数学，概率论基础有很高的要求。题主说自己对数学感兴趣，这是一个还不错的开始。在学会了上述算法之后，你需要用编程语言把这些算法实践出来，比如你需要通过学习历史数据，从而推测出未来什么时间某种产品会有更多的需求，从而推荐厂家提前做好库存准备。机器学习对编程语言的要求并没有大数据高，目前常用的就是Python，对于J***a开发者来说，学习的成本也是很低的。
最后，由于目前机器学习概念的大火，机器学习工程师可以说是供不应求，如果题主想要更好的发展，不妨考虑这个方向。
把握现在，等待时机
现在很多主流网站都是使用j***a开发维护的，所以个人觉得j***a前景还不错，所以我的建议是把握好现在，现在做j***a开发，可以在这一行中深耕努力使自己成为大牛，编程[_a***_]越好以后转啥都比较迅速。
如果有好的机会可以转到大数据开发的话，当然要抓住机会，现在大数据开发风头正盛，像大数据平台搭建、运维、优化监控，数据挖掘分析，大数据设计架构这些大数据相关岗位给的薪资相当丰厚，前途也是很美好。
机器学习这部分不是很了解，应该是更注重算法的开发，对数学功底要求很高。至于使用什么语言开发这个应该不是问题，精通j***a入手phython会很快的，而且编程这个东西是要是要看编程思维和语言本身关系不是很大。
在已经有J***a基础的前提之下，转行大数据是完全可以的。从发展的角度来说，J***a已经处在一门编程语言的成熟期，未来J***a程序员要想有更好的发展，则需要深入到一个领域，比如大数据或人工智能，这样才能有较强的职场竞争力和较好的发展空间。
大数据以J***a技术为基础，在熟练掌握了J***a技术以后，再学习大数据的相关技术会容易很多。在有了J***a经验的基础上，转行大数据学习，学习的大致步骤为：
1、大数据基础：Linux基础、M***en基础；
2、Hadoop生态体系：HDFS、MapReduce、Yarn及其周边软件Hbase、Hive、Pig等；
3、Spark生态系统和Scala语言；
4、算法和工具：如hadoop上的Mahout和spark上的Mllib；
5、项目实战。
在培训班学习的周期大概是六个月左右。毕业之后的就业情况还是很不错的，各大互联网公司都在囤积大数据处理人才，从业人员的薪资待遇也很不错。以基本的Hadoop开发工程师为例，入门月薪已经达到了8K以上，工作1年月薪可达到12K以上，资深的hadoop人才年薪可达到30万—50万。据全球顶尖管理咨询公司麦肯锡分析报告显示，到2020年，大数据或者数据工作者的岗位需求将激增，大数据专业人才的缺口在15万到20万之间。
怎样配置机器学习电脑？
看了这么多没一个是站在专业方面考虑问题的！要配置深度学习专用的主机如下
1.显示器随便配，适自己就可以。
2.主机cpu要 i7或以上，配gpu，内存至少16GB，硬盘有钱的话配个1TB最新的硬盘（不要机械硬盘），风扇这些基本的东西随便配风大就好。
做深度学习就是要做大量的程序运算，需要电脑运算够快，内存够存基数据。一般的电脑你跑几个月够跑完一个程序不错了
看你学习什么？
如果是中小学生学习的话，要求不高就七代八代的酷睿i3、奔腾系列处理器都可以，内存至少4g，硬盘有固态这样的一体机就足够了，屏幕就是21.5或者23.8
配置机器学习电脑的话，我比较推荐华硕和戴尔。因为这只是学习，所以可以配置i3就够了。但是要是家里有空的话，也可以配置i5。一般的话最好是手提电脑，因为手提电脑便携。内存我比较推荐4gb，家里有矿，也可以用8gb。可点赞👍
m1max适合机器学习训练吗？
首先，m1 max的硬件性能是够了，但不知有没有深度学习所需的张量核心。
其次，目前m1 max是苹果自家产品，能否有相应的程序需要在苹果自家平台开发，这个需要一定的时间。
再次，正因为m1 max是苹果自家产品，之前用cuda开发的程序都得推倒重来。
当前计算机专业是否只有机器学习和算法这条路，编程还有出路吗？
当前计算机专业的发展前景还是不错的，而且在5G通信、工业互联网、产业结构升级这一系列因素的影响下，未来较长一段时间内，行业领域对于计算机专业的人才需求量都会比较大，所以当前选择计算机专业也是顺应时代发展的选择。
随着互联网整合社会***的能力越来越强，大量的行业领域都需要把业务向互联网迁移，这个过程必然会释放出大量计算机专业人才的需求，而且行业领域对于计算机人才类型的需求还比较多元化，既需要高端人才，包括高端研发型人才和高端应用型人才，也需要大量普通的应用型人才和技能型人才。
诚然目前机器学习和算法是计算机专业领域非常火热的方向，但这并不意味着计算机编程就没有前途。计算机行业的发展仍然离不开大量的优秀编程人员，即便是前面提到的机器学习和算法也是以编程为基础的，所以学好计算机编程，掌握这门技能对个人的发展是很有帮助的。
这是一个非常好的问题，也是很多同学的困惑之一，我从专业学习、科研和就业这三个方面说说我的看法。
首先，计算机大类专业目前确实更注重大数据和人工智能相关知识，而机器学习则是一个比较重要的切入点，所以很多同学都会在本科阶段重视机器学习、深度学习相关知识的学习。
一方面机器学习是大数据分析的两种基本方式之一，另一方面机器学习也是人工智能的六大研究方向之一，而且被称为是初学者打开人工智能大门的钥匙，因此在当前大数据、人工智能的时代背景下，学习机器学习可以认为是顺应技术发展趋势的选择。
其次，学习机器学习与学习软件开发并不冲突，因为学习机器学习也需要具有一定的编程基础，而且很多机器学习的实践活动，包括科研实践和项目实践活动，都是需要与行业场景相结合的，这就需要一个完整的解决方案，所以在学习机器学习的过程中，同样能够提升自己的编程能力，未来也可以走软件开发路线。
实际上，计算机专业有很多研究生同学在读研期间就是主攻机器学习、深度学习方向的，但是这其中更多的同学还是会拿开发岗的offer。
虽然近两年随着算法岗开始逐渐向业务算法岗倾斜，拿到算法岗offer的同学有所增加，但是毕竟算法岗的整体竞争比较激烈，很多同学为了进大厂也会放弃一些中小厂的算法岗。
总体上来说，计算机大类专业的同学，不论是本科生还是研究生，我个人的建议是要立足开发来寻求发展，也就是说要重视编程能力的提升，如果一味专注于机器学习和算法而忽略了编程能力的提升，未来在发展空间上会受到一定的限制。
对于编程感兴趣的同学来说，同样不能忽略机器学习和算法知识的学习，虽然现在的编程已经不能仅仅说是算法问题了，但是在大数据、人工智能的时代背景下，给自己奠定一个扎实的算法基础还是有必要的，而且当前不少大厂的开发岗面试也会考察算法知识。
最后，如果有计算机专业的学习和科研等问题，欢迎跟我交流。
随着物联网的发展，大量的物体要连入互联网，催生了海量的嵌入式应用，而物联网碎片化的特点，注定其需要大量的开发者。特斯拉、西门子、海尔等这些我们一直以为的所谓硬件公司，其实都是软件巨头。
软件吞噬世界。不同时期编程可能偏于不同的技术热点，但总体来说编程需求会一直很旺盛。在校注重打好计算机基础，以不变应万变。
如何从零开始入行机器学习？
机器学习入门书籍：李航的统计学习、周志华西瓜书等，视频：台大林轩田的机器学习基石与技法；资料不在多，在这里自荐一波，一个有温度有情怀的公众号AlgorithmDeveloper，一起系统地自学机器学习，加油💪。
我建议大家可以选择一个合适的社区平台去学习，效果非常好，微信小程序“八 斗问答”使用了几 天，推荐给大家，它是一个干货平台、Python、机器学习、深度学 习、自动驾驶实战等都有。
我建议从看机器学习的公开课开始，这里推荐cs229公开课，是吴恩达的。
然后做一些简单的练习题，这个在kaggle里面可以找到，比如Titanic和数字识别那种。
坚持就是胜利，加油～
到此，以上就是小编对于机器学习编程推荐的问题就介绍到这了，希望介绍关于机器学习编程推荐的5点解答对大家有用。
