因此，在学习了一些基本概念后，是时候学习一些python了。
Python对机器学习和数据科学非常重要。现在让我们了解为什么有人想使用唯一的Python来设计任何机器学习项目。例如——您可以构建一个垃圾邮件检测算法，其中可以从数据中学习规则，或根据您之前分配的标签（垃圾邮件或非垃圾邮件）安排电子邮件（此过程称为模型训练）
因此，对于像我这样的机器学习工程师/计算机视觉工程师或崭露头角的数据科学家/机器学习/算法工程师/深度学习工程师，我为什么要推荐Python，因为它很容易理解。
上表表明，在世界上所有其他编程语言中，python是行业中最受欢迎的语言。
为什么是这种趋势？
如果您曾经在python上阅读过一行代码，并将其与另一种编程语言进行比较，您肯定会同意python要简单得多。其次，有大量不同的学习框架可供学习。通常，框架有助于构建应用程序或服务，而无需处理协议、套接字或进程/线程管理等低级细节。
因此，众所周知，机器学习算法、线性代数的概念、微积分是如此复杂，以至于它们需要付出最大的努力。Python中的快速实现有助于ML工程师验证一个想法。
让我们来谈谈软件包（框架）python软件包最好的地方是，它们不需要任何知识即可开始。它们都是免费的，所以只要您学习python的基础知识，您就可以将它们直接实现到您的代码中。
例如，我将列出一些最常见和最著名的软件包，用于不同目的。
顶级Python框架Django — 用于网络开发
Scipy — 用于科学编程
OpenCV，Scikit — 用于图像工作
Numpy — 文本（数据科学最佳框架）
Librosa — 用于音频处理
熊猫，Numpy——用于数据排序
Matplotlib — 用于数据可视化
OpenCV、TensorFlow、PyTorch——用于深度学习
今天，Python无处不在，从会计开始，到科学。我认为唯一可能不使用python的领域是在系统构建中。然而，还有许多其他低级编程语言，如C和汇编，它们的工作做得很好。
现在，让我们探索一些平台，在那里您可以快速高效地获得python技能。
Kaggle学习有一门关于python基础知识的完整课程。您将从“你好世界”开始，并完成与外部库的工作。
正如Kaggle向我们保证的那样，这门课程需要近5个小时才能完成。我认为，如果你是python的新手，但你已经有一些其他编程语言的经验，你肯定会喜欢这门课程。
然而，如果你是计算机科学领域的新手，那么，我建议你访问freeCodeCamp.org，在那里你可以找到他们适合初学者的令人惊叹的python课程。就人类是可视化者而言，我们更热衷于通过观看来学习一些东西。因此，对一些人来说，这门课程可能会有帮助。
