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python商用的问题，于是小编就整理了2个相关介绍机器学习Python商用的解答，让我们一起看看吧。
自学一门编程语言需要多大的时间和精力，比如Python？
谢谢邀请！
作为一名IT行业的从业者，同时也是一名计算机专业的教育工作者，我来回答一下这个问题。
首先，学习一门编程语言的使用并不算困难，尤其是Python语言，基本的语法结构还是比较清晰的，一方面Python属于函数式语言和面向对象语言的结合体，另一方面Python语言自身有大量的库可以方便开发，所以目前IT行业内的程序员普遍比较喜欢使用Python语言进行项目开发。
学习Python语言的时间周期因人而异，对于已经从业多年的程序员来说，学习Python语言还是比较简单的，通常来说，一周左右的了解时间就可以边学边用了。我在从事机器学习研发的早期，一直在使用java语言，后来用了不到一周的时间来学习Python之后，就一直在使用Python进行机器学习领域的研发，所以Python对于程序员来说，学习起来还是非常简单的。
对于没有任何基础的初学者来说，学习Python还是需要一段时间的，主要需要掌握以下三方面内容：
第一：Python的基本语法。Python的基本语法虽然对于程序员来说是比较简答的，但是对于没有编程基础的初学者来说，依然需要一个系统的学习过程。结合实验的时间，大部分初学者需要6周左右的时间才能熟悉基本的Python语法。如果再结合一些具体的实验，往往需要更长的时间，但是大部分初学者在10周左右都能够掌握Python语法。
第二：Python针对于具体开发领域的库。Python语言之所以广受欢迎，一个重要的原因是Python语言有丰富的库支撑，比如在大数据和机器学习领域就有Numpy、Matplotlib、Scipy、pandas等库，如果熟练使用这些库，将大大提升Python的开发能力。
第三：实践过程。学习编程语言一定要注重实践的过程，Python语言也不例外，实践的时间也是因人而异的，大部分初学者在10周左右都能够形成一个相对完整的知识结构。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！
这个得看你要达到什么程度，比如要学会应用，可以时不时的做点小工具来方便自己工作，大约1到2个月足够了，如果是商用级或者工业级的水平那就要更多的时间，具体多久和相关领域有关，主要是职业感觉和素养比较难以培养。
主要看你有没有其他编程基础，如果有，那么自学一门其他编程语言，入门是相当容易的。特别是题主说的Python，近乎于自然语言，号称最简单易学的编程语言。
但如果0基础，去学编程语言的话，是需要天赋和努力的，特别是那些比较难学的C、c++、Java等等，当然如果想学好，都是非常耗费精力的。
比如我有C语言基础，之后自学J***a，大概一个月掌握大部分基本编程知识，也能上手写小项目，当然也耗费了许许多多精力，接着就是需要不断练习强化，让水平一直提高。
Python真的不适合游戏开发吗？游戏全都用像Python这种解释型语言写，对开发出的游戏有什么影响？
Python是否适合游戏开发？
对于一般游戏，用许多语言都可以开发，当然包括Python语言！
对于大型网络游戏，一般不是一种语言能完成的，通常需要好几种语言共同完成。
为什么不用一种语言完整完成一个大型游戏呢？因为不用语言有不同的优缺点，有各自擅长的地方！
python已经开发出许多优秀的游戏，可以自行搜索一下。当然也有许多游戏不是用Python开发的，这都是非常正常的现象！
Python最初是以大数据人工智能为见长，而迅速流行开来！后期就扩散到各行各业！
开发任何项目，不需要局限于语言，重点需要关注算法！
python的性能支撑不了大型游戏，通常游戏引擎都是用c/C++语言开发，并用LUA这类脚本语言或者也可以称为胶水语言进行灵活性方面的配置或者定制，比如场景等的定制。
主要大家都觉得python相比c++啊j***a啊的运行速度要慢，毕竟像C++可以编写底层[_a***_]，可以按照你自己的要求编写提高CPU和GPU的利用率，而且大型游戏的3D渲染引擎都是C++写的。除非你是研发大型游戏项目使用不同的语言可能最后的结果很明显，但是一般中小型游戏应该没那么明显的差距，毕竟现在硬件很强悍。
用解释型语言写有几个问题：
- 源代码没法保密了，所有的加密与收费手段基本都黄了，所以顶多拿来开发免费的小游戏。没有收益就没有人愿意投入，这是资本决定的。
- 运行速度，解释型语言就算优化的再厉害，还是要经过解释这一步，所以与硬件的交互中间多了一道CPU的计算，而很多动态效果是要直接去显卡计算的，所以帧速很难上去，你会玩一卡一卡的游戏吗？这是客户决定的，客户用脚投票，我要玩流畅的游戏，所以没市场，落到后面资本家赚不到钱，所以依然不会选这个。
- 解释型语言的优势是可移植性高，就是一段代码放到那都可以运行，但这点游戏需要吗？好像也需要的，这点可以节约出不少开发成本，但C好好像也可以的喔，虽然移值成本要高点。
不好编译。
python本身是解释性语言，那就还得来个解释器，解释器本身相当于一个虚拟机，会带来执行效率的问题，而且优化起来想要优化底层之前还得先优化一下虚拟机，为什么不选择直接优化底层的方式要添加一层呢？
使用python的好处是简单易懂，好上手，但是这两点都不是游戏开发需要的，特别是大型游戏，他们希望的是开发本身流程固定，而且具有明显的优化点，不然光是压榨优化性能这一块，可能就要花去和开发差不多的时间了。
到此，以上就是小编对于机器学习python商用的问题就介绍到这了，希望介绍关于机器学习python商用的2点解答对大家有用。
