Java入门笔记(02)-流行的编程语言,该怎么选?

Java入门笔记(02)-流行的编程语言,该怎么选?

 

相关视频来自高淇老师百战训练营。

 

视频加载中...

 

常见编程语言

1.C

C语言是人们追求结构化、模块化、高效率的『语言之花』,基于面向过程。

主要应用在底层,比如嵌入式、病毒开发等,可以替代汇编语言。

或者应用在高层,如操作系统等方面的应用软件。

2.Java

目前业界应用最广泛、使用人数最多的语言,连续多年世界第一,可以称为『计算机语言界的英语』

主要应用在企业级软件开发、安卓移动开发、大数据云计算等领域。

3.Python

语法结构简单,易学易懂。

称为胶水语言,能够将各种不同的语言很轻松地联结在一起。

主要应用在图形处理、科学计算、Web编程、多媒体应用、引擎开发,在机器学习和人工智能应用上有非常大的潜力。

4.C++

C语言的扩展,增加了面向对象。

主要应用在科学计算、操作系统、网络通讯、系统开发、引擎开发等。

5.C#

来自微软,面向对象的、运行于.Net Framework之上的高级程序设计语言。

在Windows操作系统的应用开发领域,取代了C++,占据主导地位。

在Unity3D开发游戏时,主要使用C#和JavaScript。

6.JavaScript

是一种脚本语言,主要应用在Web应用开发。

目前流行的H5开发,其核心就是JavaScript的语言。

目前还可以开发服务端,比如Node.js

7.PHP

用于Web开发,大量的网站均使用的是PHP开发。

当然,程序员世界里有一个梗:世界上最好的开发语言是什么?PHP。

哈哈。

8.Swift/Object-C

主要开发苹果相关的app和Mac OS的应用

9.Kotlin

JVM的新编程语言,由JetBrains开发。

目前是安卓官方支持的语言,它可以编译成Java字节码也可以是JavaScript。

各语言的Hello World

1.C

#include<stdio.h>
int main(void){
 printf("hello world.");
 return 0;
}

2.Java

public class HelloWorld{
 public static void main(String[] args){
 System.out.println("hello world.");
 }
}

3.Python

print("hello world.")

4.C++

#include<iostream>
using namespace std;
int main(){
 cout <<"hello world."<< endl;
 return 0;
}

5.C#

using system;
namespace HelloWorld
{
 class Program
 {
 static void Main(string[] args)
 {
 Console.WriteLine("hello world");
 Console.ReadKey();
 }
 }
}

6.JavaScript

<script>
 document.write("<h2>hello world</h2>");
</script> 

7.PHP

<?php echo'<p>Hello world.</p>' ?>

8.Swift

import Foundation
println("hello world.")

9.Kotlin

fun main(args:Array<string>){
 println("hello world.");
}

如何选择

编程语言只是工具,本质是一样的。

它本质上,跟我们说话的语言是类似的。我们为了交流,可以使用汉语,也可以使用英语,也可以用俄语等。

哪门语言入手学习,就像是孩子刚刚出生,中国出生的默认学的是汉语;美国出生的很多孩子自然是美语等。

因此选择语言时,高淇老师的建议是基于自己的兴趣和需求,不要花太多的时间在左右摇摆。

选定一个方向,就认真去干。

我们就选了Java。

Java入门笔记(02)-流行的编程语言,该怎么选?

 

关注公众号,加入社群,一起免费从零开始学Java。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值