大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习及python的问题，于是小编就整理了3个相关介绍机器学习及python的解答，让我们一起看看吧。
- 想学习python用来做机器学习方面的内容（如建立LDA模型），该如何入门并学习？
- 用python实现一些机器学习算法时是否需要自己写轮子？
- 机械设计制造及其自动化专业的学生学完C语言之后，有必要继续学ptyhon语言吗？
想学习python用来做机器学习方面的内容（如建立LDA模型），该如何入门并学习？
Python基础
首先，装ANACONDA，是PYTHON的集成环境。
ANACONDA的安装程序 ***s://***.continuum.io/downloads/ ，选择PYTHON3版本的。
推荐 菜鸟教程 PYTHON3版***://***.runoob***/python3/python3-tutorial.html
CSDN也有PYTHON的知识库，不过不够系统，可以有一定基础再看看。链接***://lib.csdn.net/base/python
11 行 Python 代码实现的神经网络
***://python.jobbole***/82758/
程序很短，知识量很大。把这个搞明白了，你也就入门了。
***书籍开始学习：
- Learn Python the Hard Way，作者 Zed A. Shaw：***s://learnpythonthehardway.org/book/
如果你有编程经验，但不懂 Python 或还很初级，建议学习下面两个课程：
- 谷歌开发者 Python 课程（强烈推荐视觉学习者学习）：***://suo.im/toMzq
- Python 科学计算入门（来自 UCSB Engineering 的 M. Scott Shell）（一个不错的入门，大约有 60 页）：***://suo.im/2cXycM
用python实现一些机器学习算法时是否需要自己写轮子？
sklearn、TensorFlow（包括TensorFlow的高层封装Keras）、PyTorch……Python有这么多优秀的库，实现各种机器学习算法很方便，何必要自己造轮子呢？
（图片来源：tertiarycourses***.sg）
你可以看看最近发表的机器学习算法方面的论文，很多论文都开源了配套的代码，这些代码基本都是基于各种框架实现模型，几乎看不到从头自己造轮子实现的。
自己造轮子，不仅写起来麻烦（这还***设你造的轮子语义上没有错误、性能上也不差），别人阅读起来也不方便。
很多人过分推崇从头写起（write X from scratch），恨不得什么都自己写，不屑于使用TensorFlow等框架。但是，TensorFlow不用，那numpy用不用呢？所以说，这种想法其实不可取。
当然，这也不是绝对的，以下情形属于例外：
- 基于学习的目的，加深对基本概念/模块的理解。比如用框架写的话，像反向传播之类的轮子都是现成的。脱离框架自己手写，可以更好地理解这些基本概念/模块。
- 基于性能需求进行优化，比如，使用了特殊的硬件，或者应用场景非常特殊，现有的轮子不能用或者不好用。
- 应付面试。其实这个可以归入第一条。因为之所以有些面试会设置脱离框架手写算法的题目，就是为了看你对基本概念/模块的理解程度。
不需要。
原因之一：Python有它非常强大并且开源的免费库，这是Python语言为什么要优于其他语言的原因。
原因之二：我们只需要找到相对应的库进行加以修改即可。
原因之三：现在机器学习的算法大多都已成熟，我们没有必要重新研究别人已经研究出来的算法，浪费时间，得不偿失。
然而，如果设计的新算法时，我推荐在已有的算法基础升级会更好，因为从无到有毕竟是很困难的。
不用自己写轮子，为了理解实现细节的话，可以自己写写。在项目中，没有必要，很多可用好用的库。只要把这些库提供的算法接口，熟练使用就行。呵呵，说起来，这就是别人眼中的调库军。其实也就是苦力活。别被吓着了啊。
其实在应用工程上有很多需要把这些算法组合，整合起来，达到应用的要求。这也很考验对机器学习算法的掌握能力。说多了。
谢谢邀请。是否需要自己造轮子取决于自身的需要。
如果是出于学习阶段，理解机器学习的算法并自己去实现是有必要的。这可以加深对知识的理解。但即便如此，也不是要求从头开始造轮子，很多时候只是二次开发。
如果是工程应用，那么就完全没有必要去重复造轮子了。python目前提供的库已经很强大了，也相当成熟，基本上能够满足一般工程应用的需求，这个时候再花大量精力去重复造轮子是很没必要的。
目前机器学习主要有两种形态，其一是搞算法，主力是世界上知名大学(学院派)如MIT，大公司的发paper的核心团队，如google。他们基本都是名校毕业的博士或在职的教授，为大家造轮子;其二是工程应用，自动驾驶，医疗图像，城市公共交通，语音识别等等，主要是要快速把算法变现为可执行工程项目，绝大部分都是拿轮子直接用。
那么是不是我们做工程的就一定不用做轮子了？那到不是，根据项目需求，改造轮子或重新造轮子都是可能的。
机械设计制造及其自动化专业的学生学完C语言之后，有必要继续学ptyhon语言吗？
看到题主的问题，猜测您应该还是学生，或是工作时间不长。我在这里也说说我的想法，如有不对的，还望指正。
目前在互联网大旗的引领，各种高级语言，特别是互联网应用较多的需要，AI人工智能、云服务、大数据等新技术被资本追逐，各种高级语言发展非常迅猛。同时，催生了一大批围绕“AI人工智能”、“云计算”、“JAVA”、“Python”等技术、语言的培训机构。
在头条中“C语言”与“JAVA语言”的优劣，已经被探讨过多次。实际上，编程语言，是工具。而真正影响您的是自身逻辑思维能力，简单说，是数学水平！在此基础上，根据需要应用领域，再进行对应的学习和实践！
然而，目前资本追逐的短平快，可以说是一种杀鸡取卵式的！
试问，在大型操作系统、桌面操作系统、手持设备操作系统、实时操作系统等，起实际主要应用仍然是C语言，甚至是汇编语言。但是就其学习成本和国内氛围，用愤青的话，很难生存。前段时间，国内Deepin操作系统（本土化LINUX桌面操作系统）的CTO辞职，有兴趣的朋友可以去搜一搜！
题主说到，自己学的是机械及自动控制相关专业，不知道您关注了没有，现在从待遇和就业机会上，机械及自动控制领域的技术人员，待遇普遍不如互联网编程的。当然，不包括个别特殊的好单位。
您如果从专业领域出发，您提到了已经学习了C语言，那Python从赶时髦来说，有必要了解一下。目前Python在机械与自动控制影响应用不大。更多的建议在PLC编程领域多下功夫！如果从短期待遇考虑，那您进去互联网领域的编程，也无可厚非，毕竟您也会C语言，在C语言基础上学其他语言，都比较容易入门！
首先我觉得plc对楼主的意义不是很大，plc更针对于自动化专业而不是机械设计制造及其自动化，plc也是实现在现代工业环境下的控制，也就是说plc主要是用来控制，当然只是为了拓展知识面的话学习一下也是ok的。
然后是关于学不学python的问题，不知道楼主对机械制造的专业前景有没有了解，机械制造是很好就业，但是就业待遇一般不是很高，毕竟现在中国也要从制造大国向创造大国转变，因此大环境并不是很好，所以我认识的一些机械制造的学长学姐在研究生的时候都开始对python之类的编程语言进行学习，包括一些已经工作的学长也正在学习python，python是现在流行的编程语言，我的建议是python可以学一下，还是很有用的。包括找工作之类的都很有帮助。
有没有必要学先分析一下：
1：先了解下Python 是啥？Python 可以做什么？
2：你自己喜不喜欢，不喜欢学不进去也是白白浪费时间，耽误其他课程学习。
3：你毕业后想从事什么工作？
4：技多不压身，但是程序这东西更新的太快了，一段时间不学习不用很容易忘记，本人深有体会。
以上四点先自己想想，我在给你讲下Python ，Python 据我了解运用在大数据领域较多，比如“爬虫开发”“云计算开发”“人工智能”“数据分析”等等。具体的你可以自己在网络上看看。
还有一个我身边的消息也分享给你，C语言技术人越来越少了，不如好好学习做进一步提升，将来在职场中也能做个大牛。
以上仅仅是小管的经验和建议，具体怎么做还是看自己的选择，有时候选择比努力更重要，祝你好运。
有什么疑问可以给我留言评论，我是小管，90后IT工程师，欢迎你关注我，专注互联网技术分享！下面是我让朋友给我发的一个截图，先感受下每天面对代码的***。
C语言很强大，如果你只是从事单片机开发，,PLC开发之类的比较靠近底层硬件的软件开发工作，C语言足够了。
但是如果你还有可能做其他方面的开发工作，比如写数值计算程序，界面开发，工作中一些数据处理工作，用C语言就不方便。
python语言在很多领域都应用非常广泛的语言，有海量的现成库可以直接使用，开发效率高，是非常值得学习的。
学生阶段，有的是时间和精力，以及良好的学习***，有价值有兴趣的都学一学，哪怕只是一个初步的了解，没准哪天工作后就用上了。在学校学习的成本，比工作后学习的成本低多了。
对于机械行业本身，本人不是很熟悉。但是本身本科也学习过自动控制的一些知识，都是和单片机、控制系统有关，这些系统，一般还是用C和汇编的多一些， 所以如果题主将来从事的主要是这方面的工作，那学python的意义不大。毕竟C这个东西，学会容易，学精通很难，而且在机械行业领域，是越老越吃香，一定要学精。
如果题主对自己将来是否从事机械行业不确定，那么在学生时期，多学习一点东西还是有用的。pytho上手简单，功能强大，在毕业之后找工作或者日后工作之余的***，都是有作用的。
所以，整体建议是题主一定要明确自己的从业方向，以此来做进一步的判断。
到此，以上就是小编对于机器学习及python的问题就介绍到这了，希望介绍关于机器学习及python的3点解答对大家有用。