有人说初学者学python容易入门，python相对于j***a来说确实容易学一些，语法没有j***a繁琐，内容也没j***a多。

看您有没有过编程语言的学习背景，比如c语言有没有学过，如果有的话，可以考虑学一下j***a，以后工作需要用到的话再学习python，上手很快的。如果您完全没接触过编程，那还是先学一下python。

另外，对于大学里的课程，本人刚毕业半年，对大学的课程觉得不用太在意，还是要根据自己对未来的定位，而且选择j***a的话，学校也不会教多么深入的知识，都是J***a SE的基本内容而已。

我自己在大学自学j***a，现在在公司需要用到python，就在自学python，感觉有了j***a的背景，学其他还是比较容易上手的。

这两种语言渗透力惊人，都是不可多得的编程语言，无论从应用领域还是从入门的方便性来讲都极其相似。

如果从发展的态势看J***A占了先天优势，所以目前从数量上讲处于绝对优势，目前渗透到各个领域，而且在语言快速更迭的时代下，并没有显得落伍而且有点老而弥坚的感觉，无数优秀的开源层出不穷的出现也助推了J***A语言的强势地位。

J***A诞生之初其实为了发扬面相对象语言编程，面向对象的老祖宗是c++但是由于语法细节太多，导致很多初学者望而却步，J***A就是在这种历史背景下诞生的，最初都称为J***A脚本，一般而言脚本语言都言简意赅，学习起来相对比较方便，现在在编程语言大爆发的时期如果还称为脚本显得有点矫情了。

和J***A同级别诞生的还有微软的c#从生命力上比较，现在答案已经非常清晰了，这本身说明了开源的力量，再加上近年安卓系统的加入，又助推了J***A一把。在这个时期学习J***A也不能说是过时，工作岗位多的是。

Python是近年来发展势头非常猛烈的编程语言，赶上大数据以及人工智能概念的大普及，把这门语言推向了***点，Python算是现在意义上的脚本语言，所以入门上来说比J***A简单一些，很多大量现成的类库可以直接调用，而且实战一些看似非常复杂的功能利用Python能够轻松的搞定。

Python主要在人工智能，运维，网络爬虫，图形绘制，数据处理等等方面都有渗透所以新时代的编程语言必然有Python语言，而且入门通俗易懂，欧美国家孩子学习编程的首选语言基本上是Python，在国内中学开设的编程语言也准备选用这门语言了，有前景，又好学，不错的选择。

回到正题在两者拿不定主意的情况下，这个状态下就要考虑自身的状态了，如果觉得基础还可以选择J***A，而后切换到Python，基础很差直接开始Python。

python和j***a 哪个好呢？这首先的问你自己想用些编程语言干什么活？比如是开发大型复杂的商用系统那肯定选j***a,因为j***a有强大的j2ee支撑。j***a在安全，性能，框架，[_a***_]解决方案等等都有太多太多的优势。而python虽然也可以实现j***a的业务功能，但技术解决方案，比如现在流行的微服务架构等等这块和j***a必差太多。但在做自动化，运维，测试等方面python就有自己天生的优势，pthon号称胶水语言，有丰富的第三方扩展工具类，很容易获取。所以，你未来如果要立志成为一个专业的程序员，建议先学习J***a，当然python也是必不可少的。建议2者都会。但必须精通一门

这个主要看你的研方向，要从事什么行业，不能说哪个好，都好，都是一个工具，一门编程语言，J***a可以后台开发，更可以做app，但是python可以做人工智能，计算机视觉，NLP自然语言处理等，每个编程语言都有自己独特之处，或者你若有时间，可以2者都学习一下

如果您未来没有把程序员当做全职工作的打算，选择python就好。

如果您未来打算做职业程序员，入门阶段学什么编程语言都可以，不过有条件的还是学好标准C从打基础角度来看更实际些。而且，只是编程入门的话无所谓语言，反正你将来工作后多半免不了还要再学别的语言，比如js、C#、objC、swift、kotlin甚至可能是现在根本没什么人气的新语言。

如果您已经脱离了养家糊口的低级趣味，学习编程序纯粹是个人爱好，那就建议在scala、haskell和lisp方言里选一个顺眼的吧，毕竟码农为了工程实践而不得不做出的妥协对你是没有意义的……

基于Python的人工智能开发方向好学吗？

基于 Python 的 AI 开发方向好学吗？这取决于您的个人兴趣和背景。

如果您对 Python 编程语言和 AI 开发感兴趣，那么基于 Python 的 AI 开发方向应该是一个很好的选择。Python 是一种流行且功能强大的编程语言，许多流行的 AI 和机器学习库（如 TensorFlow 和 PyTorch）都在 Python 中编写。此外，Python 中也有许多用于 AI 和机器学习的框架（如 Keras 和 PyTorch）和库（如 NumPy 和 Pandas），这些工具可以大大简化 AI 和机器学习的开发过程。

如果您没有编程背景或对人工智能领域不感兴趣，那么基于 Python 的 AI 开发方向可能不是很好学。但是，如果您有一定的编程基础，并且愿意投入时间和精力学习的话，基于 Python 的 AI 开发也是一个很有趣和具有挑战性的领域

基于Python的人工智能开发方向非常好学。Python是一种简洁易懂的编程语言，具有丰富的库和工具，特别适合处理数据和机器学习任务。Python在人工智能领域广泛应用，如自然语言处理、图像识别和深度学习等。学习Python可以快速上手，而且有大量的学习***和社区支持。此外，Python还具有良好的可扩展性，可以与其他语言和工具集成，为人工智能开发提供更多可能性。因此，选择基于Python的人工智能开发方向是一个明智的选择，能够为未来的职业发展提供广阔的机会。

为什么AI的深度学习，基本上都跟python这门语言有关，其它语言难道搞不定？

margin: 20px 24px 20px;">AI的深度学习通常使用Python编程语言，因为Python具有以下优点：

1. 易于学习和使用：Python是一种高级编程语言，具有简单易学的语法和丰富的库。这使得Python成为一种流行的编程语言，并且有很多开发人员和社区支持。
2. 高效的数据处理：Python是一种动态类型语言，具有高效的数据处理能力。这使得Python非常适合用于数据分析和机器学习任务。
3. 丰富的库和框架：Python拥有许多用于机器学习和深度学习的库和框架，如TensorFlow、PyTorch、Keras等。这些库和框架使得开发人员可以更轻松地构建和训练深度学习模型。
4. 跨平台性：Python可以在多种操作系统上运行，包括Windows、macOS和Linux等。这使得Python成为一种跨平台的编程语言，可以方便地在不同的平台上开发和部署应用程序。

虽然其他编程语言也可以用于深度学习，但Python是目前最常用的语言之一，因为它具有以上优点，并且开发人员和社区的支持非常广泛。

因为python门槛最低。

AI应用因为其复杂性，必须通过组装方式完成，没有人能从0到1造一个AI。所以AI有很多模块提供商，提供商当然希望更多系统能用自己产品，门槛越低用户就越多。 python相比其他语言，可能只需要一行代码就能集成， j***a可能需要编写一本厚厚的说明书开发者才会用，为难自己又为难别人，何苦呢。于是数据领域选择python,成为了行业标准。

人工智能中的深度学习是需要大量的矩阵计算和优化算法的，请允许我分开阐述这个问题：

1. 矩阵计算是深度学习中的核心操作

深度学习模型的基础是神经网络，而神经网络本质上就是由多个矩阵组成的计算图。当进行模型训练和推理时，需要进行很多对矩阵进行操作的计算，比如矩阵的乘法、加减法、转置、softmax函数等等，这些计算需要进行数值稳定性和效率的优化，因此，需要使用高效的数值计算库，例如numpy、Scipy等等。

而Python正是因其在科学计算和数值计算方面的出众表现，成为了深度学习中最流行的编程语言之一。Python自带标准库中的array模块可以进行基本的数组操作，numpy库则可以进行高效的数组操作和矩阵计算，因此广受深度学习从业者的青睐。

2. 优化算法需要灵活性和高效性

深度学习中使用的优化算法十分复杂，比如梯度下降、反向传播、卷积、池化等等。这些算法往往需要非常高的计算效率和灵活性，以便在大规模数据集上处理很大的模型、数据和参数。这对于一个编译型语言来说也是一个挑战，即便是像C++这样高效的编程语言也会受到数据类型灵活性和编译时间长的限制。

Python作为一种解释型语言，具有较强的灵活性、易用性和快速迭代的能力。Python中优秀的优化库例如TensorFlow、PyTorch、Keras等，进一步加强了深度学习框架在Python语言环境下的地位和影响力。

3. 其它编程语言在深度学习中亦可使用

虽然Python因其出色的数值计算库和深度学习框架成为了深度学习的首选编程语言，但并不意味着其它编程语言无法用于深度学习。例如，C++成为了很多深度学习框架的后端计算库，因为其高效性和灵活性，著名的深度学习框架如Caffe就是使用C++进行的实现。同时，也有其它编程语言的深度学习框架的出现，例如Julia、R、Scala等。

综上所述，Python主要因其在数值计算、可读性、简洁性、易用性和生态圈等方面的优势，成为了深度学习最为流行的编程语言之一。然而其他语言也可以实现深度学习，对于性能和扩展性的要求更高。所以，选择哪一门编程语言用于深度学习开发取决于具体应用场景和目标。

深度学习是人工智能领域的一个重要分支，它主要依赖于神经网络模型来实现复杂的任务。Python作为一门广泛使用的高级编程语言，在深度学习领域具有很高的地位。以下是一些原因解释为什么Python在深度学习中占据主导地位：

1. 易用性：Python语法简洁明了，易于阅读和编写。这使得开发者能够快速地实现算法并进行调试。此外，Python拥有丰富的库和框架，如TensorFlow、PyTorch等，这些库和框架为深度学习提供了强大的支持。

2. 社区支持：Python拥有庞大的开发者社区，这意味着在遇到问题时，可以很容易地找到解决方案和***。许多深度学习领域的专家和爱好者都在积极地为Python生态系统贡献代码和文档。

3. 跨平台兼容性：Python可以在多种操作系统上运行，如Windows、macOS和Linux。这使得Python成为一种非常灵活的编程语言，适用于各种场景。

4. 数据处理与可视化：Python在数据处理和可视化方面具有很强的能力。例如，NumPy和Pandas库可以帮助处理和分析大量数据，Matplotlib和Seaborn库则可以方便地绘制图表。这些功能对于深度学习项目来说非常重要。

深度学习在实现时确实与Python密切相关，主要是因为Python有丰富的科学计算库和机器学习框架，例如NumPy、Pandas、TensorFlow、PyTorch等，这些库和框架提供了丰富的工具和算法，使得深度学习的实现变得更加容易和高效。同时，也是一门易学易用的语言，具有较高的开发效率和灵活性。

当然，其他编程语言也可以实现深度学习，例如C++、J***a、Matlab等，但需要更多的编程工作和算法实现。此外，Python在科学计算和数据处理方面的优势也是其他语言所不具备的，这也是Python成为深度学习首选语言的原因之一。

到此，以上就是小编对于python和tensorflow学习的问题就介绍到这了，希望介绍关于python和tensorflow学习的3点解答对大家有用。