python论坛(碰到了难以解决的问题该怎么做)

python论坛，碰到了难以解决的问题该怎么做？

编程语言的学习个人感觉还是需要一步一个脚印，踏踏实实，不能急功近利，首先应该把该语言的基础知识学好，基础知识非常重要，是今后编程的基础，不然在今后编程和理解别人编写的程序时会碰到很多麻烦，浪费时间。像python语言，对于里面的数据类型，函数，类，模块等都要非常清楚。大家可以选一些基础类的书进行学习，如清华大学出版社 刘宇宙写的《python3.5从零开始学》。当基础知识掌握后可以学习一些实例程，从而进一步对前面所学知识的理解和巩固。编程语言也需要加强实际操作，要经常进行编程和使用，这样才能熟悉掌握它，在编程过程中遇到问题应该去百度或者去论坛解决。最后如果对python的模块熟悉和了解，对你今后的编程是非常有帮助的，能使你事半功倍，节约很多时间。

请问转行做人工智能需要如何准备？

这是一个很大的问题，我认为至少可以拆分成以下内容：人工智能这个新领域需要什么，能做什么，我们加入进去能做什么，需要什么知识和技能储备以及如何准备。

这几年一直在关注AI这个领域的事情，之前差点去了做人工智能的公司做Presales Consultant，就自己的简单理解和请教专家们的反馈，整理以下，希望得到您的认可点赞和转发推荐。

首先是，人工智能这个新领域需要什么？

人工智能这个领域其实起源很早，伴随着计算机技术的发展和人类的多次自我膨胀。

黄金年代：1956 - 1974

1956年，在达特茅斯学院举行的一次自发形成的会议上正式确立了人工智能的研究领域。会议的参加者（都是计算机和数学领域的大佬）是当时AI研究的领军人物。

当时预言，经过一代人的努力，与人类具有同等智能水平的机器将会出现。同时，上千万美元被投入到AI研究中，以期实现这一目标。

然后人类大大低估了这一工程的难度，人工智能史上共出现过好几次低潮。

第一次AI低谷：1974 - 1980

但是美国和英国政府于1973年停止向没有明确目标的人工智能研究项目拨款。七年之后受到日本政府研究规划的刺激，美国政府和企业再次在AI领域投入数十亿研究经费，但这些投资者在80年代末重新撤回了投资。AI研究领域诸如此类的高潮和低谷不断交替出现；至今仍有人对AI的前景作出异常乐观的预测。

繁荣：1980 - 1987

在80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。日本政府在同一年代积极投资AI以促进其第五代计算机工程。80年代早期另一个令人振奋的事件是John Hopfield和David Rumelhart使联结主义重获新生。AI再一次获得了成功。

第二次AI低谷：1987 - 1993深度学习，大数据和人工智能：2011至今

进入21世纪，得益于大数据和计算机技术的快速发展，许多先进的机器学习技术成功应用于经济社会中的许多问题。

但是随着计算机性能的发展和一些底层理论的发展，在20世纪70年代被认为不能解决的挑战，已经有解决方案并已成功应用在商业产品上（比如语音识别、图像识别等）。

图灵在1950年发表的一篇催生现代智能机器研究的著名论文中称，“我们只能看到眼前的一小段距离……但是，我们可以看到仍有许多工作要做”。

所以，我们可以下个定义，现在的AI并不是完整意义上的人工智能，它不能像人这样思考，但是他可以通过大量的数据去“喂养”出对明确的方向或者问题的答案——比如图像识别，比如语音识别，比如模式识别——但是他们依旧不是万能的，比如自动驾驶就没法完全实现脱离人的全自动驾驶。

还是学术界定义的弱人工智能。

那么现代人工智能的核心是什么呢？

机器学习（但是已经发展成一个巨大的领域和很多细分学科）

除此以外，还有模式识别、数据挖掘、智能算法，这四个就是现代AI领域的四大核心技术。

那么要继续发展，这个领域需要什么呢？

更好的硬件——你可以投入硬件研发；

更好的算法——你可以去当数学家和算法科学家；

更好的应用——找到合适的方式去应用已有的硬件软件和算法。比如今日头条的推荐算法，其实就是个很赞的应用。

那么问题来了，转行进入这个领域能做什么？我们加入进去额能做什么？

这个领域基于数学和计算机，那么——如果你是这两个领域的人才，你自然而然地可以通过寻找相关的项目进入这个领域做事情。

如果你不是，那么贵行业有没有可以关联切入的？比如保险领域的客户数据挖掘和智能产品推荐？……

或者直接选择人工智能公司的同岗位，用类似的经验去适应新的领域，比如做语音识别的公司需要程序员吧？需要产品经理吧？需要销售和售前吧？

一旦明确了你怎么切入，那么自然需要做知识储备：

我认为以下几项是一定要有了解的，根据岗位不同，要求的深度也不同，欢迎留言点评，我们讨论下：

1. 统计学

关于机器学习——扎实的统计学基础必不可少：

度量模型是否成功的各种方法（精确度、召回率、ROC曲线下面积等）损失函数和评估指标的选择是如何偏离模型的输出的过拟合和欠拟合，偏差/方差2. 机器学习理论

在训练神经网络的时候，实际上发生了什么？是什么使得某些任务可行，而其他任务不可行？

要弄清楚这些问题，需要深入研究理论知识，也需要试着通过示例和项目。

需要理解的概念范围包括：不同的损失函数的工作原理是什么、计算图，如何建立一个功能模型，如何跟团队里的其他人员进行有效地交流，可以参考一些材料如：谷歌的深度学习课程

另一个基本技能是阅读、理解和实施论文的能力。因为这个领域的变化发展极快。

3. 数据处理数据采集（包括：找到好的数据源、准确度量数据的质量和分类、获取和推断标签）数据预处理（缺失数据填补、特征工程、数据增强、数据规范化、交叉验证分割）数据后处理（使模型的输出可用、清理工作、处理特殊情况和异常值）

熟悉数据处理工作最好的方法是获取一个数据集并试着使用它。

4. 对模型进行调试或调优

调试机器学习算法（无法收敛，或者得到的结果不合理）与调试普通代码有着很大的区别。

你的开发能力越强，则这些步骤实现起来就越快，反之亦然。

5. 软件工程

但是，应用AI这个领域的变化非常快，因此，最好的学习方式是亲身实践，尝试构建一个端到端的方案来解决一个真正的问题。

AI的历史虽然已经几十年了，但是以后的人类还是会认为我们现在的人工智能很弱的。

多阅读相关论文，拿tensor flow和文档来多试试手，结合自己的日常工作，你会找到你的方向和准备的答案。

回答如果对您有帮助，请麻烦点个赞，或者转发出去，让更多人看到。感谢支持。

回答如果让您迷惑，请点评提出或私信我讨论，感谢沟通。

回答如果没有用，不妨点个收藏，看看其他专家给出什么答案。

求教easyguipy？

新建一个EXE(FORM中就加一按钮,一个panel) 新建一个bpl包,包中add一个窗体!

普通人有什么发财和改变命运的机会？

5G时代，普通人有着太多的发财和赚钱机会，社会阶层有可能实现新的流动哦。

赚钱的机会至少包括：

1、全新的自媒体赚钱机会。

从短视频到Vlog再到VR/AR，自媒体将有更多的机会，普通人可以依靠这个赚钱。

2、全新的网上开店赚钱机会。

借助VR/AR在网上新开网店，也有能够快速赚钱的机会哦。

3、如果还年轻，就要在择业上考虑5G的新工作机会。

5G时代有着无限的想象空间，我们试着探讨一下这些新的工作机会。

1、车联网与无人驾驶

5G的到来，给无人驾驶解决了最核心的通讯技术问题。没有了延迟与速度的限制，无人驾驶的普及将会更进一步。目前的无人驾驶，都是在超低速度的情况下进行检验和测试，但在如此低速的情况下，无人驾驶的测试还是出了问题。5G能否彻底解决这个问题，让我们拭目以待，如果真能解决好，那么无人驾驶汽车行业将会井喷式地发展。

2、家庭娱乐与智能家居

在5G的高速推动下，超清大视频将会得到长足的发展，这也是目前各大运营商争夺的热点之一。目前整个互联网的流量基本都属于视频流量，大视频的应用将会给运营商带来巨额财富。

3、极致的虚拟现实体验

5G时代到来后，将会驱动AR、VR技术成为主流科技。虚拟现实的概念刚开发出来的时候，炒得甚是火热，但是我缺乏高速度网络技术的支撑，AR/VR技术有严重的延迟情况，给体验用户带来了眩晕等不适的体验。但5G解决了其速率与延时的问题后，AR/VR将会突破瓶颈技术的限制，取得质的飞跃，有着宽广的市场前景。

网购最大的痛点之一就是无法更真实的触摸到产品，而5G时代随着全息技术及虚拟现实技术的到来，未来网购方式一定是让消费者最真实最直观的看到所卖的产品，实体零售业如果不接入互联网将变得更难。

4、无线医疗

无线医疗包括但并不局限于咱们现在所实行的远程医疗体系，出此之外还包括了基于病患终端的远程医疗监测，应急救援，大数据架构下的智能查房等诸多高新科技领域。无论哪一方面都需要靠大量的数据分析来实现，这无疑是对网络需求的一个考验，只有拥有了高速、便捷、安全的网络环境才能使之一远景得以实现。随着5G时代的到来，这些问题都将迎刃而解，届时我们享受高效便捷的医疗服务将不是梦想。能手机的发展从上个世纪的大哥大，到2G、3G、4G的提升，再到现在即将到来的5G时代，技术的每次革新都给我们的生活带来了巨大的变化。

5、智慧城市

智慧城市正在发展中，我国也在许多的城市进行试点，并取得了成果，再加上如今即将到来的5G，我们的城市会更加的智能。

自学编程多久以后可以开始从事编程工作了？

谢邀

很久没回答问题了，我就来冒个泡吧

我想这个问题很多人应该都有想个吧，毕竟IT是出了名的薪资高，我就结合我自己的经历来说说吧。

想要靠自学编程来找工作也不是说不可能，就得看你有没有这个决心了。看你是不是一个有机会而且执行力很强的，有没有明确的方向毕竟IT的范围很广，如前端、后端、运维、全栈、算法、Android、IOS等等。除此之外，还有你学习的效率、是否有实践，即使你今天看完如果没有联系过几天也许就忘了。所以综合来说，想要靠自学编程找到一份工作，非常不容易，也并不是说没有可能，后面我会介绍一下我有个同学就是转行学的编程，现在已经找到工作了，但是整个过程也是十分的坎坷和不易。我先从几个方面来介绍一下，如何自学，然后结合我的个人经历以及我同学的经历总结一下。

一、先确定方向

前面我也说过了由于编程的工作范围和方向很广，所以如果你想自学的话，就先确定一个方向，看看你自己喜欢做什么，然后再开始努力。至于选择什么方向？最好找一个程序员请教一下，我大致介绍一下，具体的也不是一下能说清楚的

前端开发：主要负责网站界面的设计和实现，相对后端稍微简单一点

后端开发：负责实现网站后台的功能逻辑，逻辑思维能力要强，要求较前端要高一些

全栈：前端和后端都会

运维：主要负责服务器的正常运行，敲代码较少，要会写脚本，熟悉Linux系统

算法：逻辑思维强，数学要求较高，理解能力强，相对工资也会高一些

二、明确计划

在确定方向之后，最好列一个计划，明确规定怎么学、如何学。千万不要三天打鱼两天晒网，如果你属于这种类型还是趁早放弃吧，一定要坚持下去，记得一定要多敲代码。刚刚开始学习编程，可以去网上找那种习题，每天敲上几个，或者去网站上找面试题，学学算法。即使你不是搞算法的，面试的时候也会问。

三、个人经历

虽然说，我也是个程序员，其实我也有个转方向的经历，相对于转行来说难度可能稍微低一点。从最开始的做网站开发(全栈)到C在到C#，然后到Python，再到计算机视觉，经历颇为丰富。转计算机视觉的原因，是个人觉得这个方向在未来发展应该很不错，虽然说在公司里面有接触过一些相关的项目，但是并不多，实际上主要还是靠自己下班时间的自学。

从最开始投简历时，投一家一家没回复，投了很多家，最终面了几次，然后就都黄了。不过通过面试还是学到了一些经验，知道了企业的基本要求和经常会问到的内容。至于简历投了为什么没回复，主要还是因为简历的经验与我投的方向不是特别相关，以至于后来我自己去找了一些项目做，增加了一些项目经验，然后面试机会也多了，就顺利找到了符合的工作。不得不说，刚开始投简历的时候，真的有点伤心，甚至一度想放弃了，不过现在想想，还好我坚持了。

我有一个同学学的是硬件，工作了一年多的时间，加班严重，也感觉在公司里面很难进步，所以就想转件，他是辞职之后自己边自学边找工作的，整个过程也是非常不容易的，大概花了三四个月的时间。虽然说，他做毕业设计的时候有接触过一些软件开发，但是也并不是特别的多。找工作的时候，软件相关的经历基本上都是自己找的项目做的，不过业内人士一看就知道是转行的，所以面试的机会并不会多。这也是为什么转行不好找工作的原因，不过他能成功转行，我想他在找工作的那三四个月并不好过，从最开始的什么都不会到会自己动手开发网站到发布到服务器上，据说他那三四个月一直都是泡在图书馆的。在上学的时候，他就属于很努力学霸的那种。

最后给自学编程找工作的人一个建议：最好找相关人咨询一下，问问他们应该怎么学，学什么？最后让他们帮你看看简历，让自己获取更多的工作机会。自学不易，好好加油，少年。