Python是不是被严重高估了?

第一派便是传统java党,除了C++其他语言都瞧不起;

第二派就是吃到过py的甜头,大底上持中立态度;

而第三派便是py吃到底,除了搞数据的怕就是搞教育的了(败坏py名声的主要部分人)。

image.png
首先,很多人觉得py是一个后起之师,像是一个试图挑战java的霸主地位的登徒子。但事实是:py诞生的一点不晚,70s最早的py就出现了,它只是没遇到合适的时代。论历史,py和java谁也不占优势,只能说国内环境下的开发者活跃度远不如国际环境下,相比于java完全面向企业维护,py这种基于开发者社区维护的语言早期抢不到风头。

其实很多瞧不上py的人大可去国外salary research网站查一下,py senior的收入无论在美丽国还是枫叶国都大幅高于其它的语言的开发者,而国内的闭门造车早晚还是要接受国际化趋势的洗礼。py没那么不堪,更何况现在是数据的时代而不再是语法拼接的时代。甭管是搞统计搞算法还是搞机器学习,说自己不会py必然是要被扫地出门的。可能有人要说matlab和r不也一样可以搞数据,而这就要讲到py的第二个优势:胶水性。

有人总要拿py跟java比,跟C比,我总觉得这样的比较一个是没有意义,一个是好像在自降身价。py本来的主战场就不是软件开发,但因为大量库的加持,py在轻量和常用软件市场上跟java,C等老牌强者有了一战之力,但别忘了这只是py的“辅修”方向,而某些人却自以为是的拿某些语言的“主修“来相提并论:这种比较下,如果py比输了,那也不丢人毕竟本来也无所谓;如果py比赢了,那可真就是打脸打肿了。

image.png

相对的,如果回到py的数据类主战场,可以说java类语言一个能打的都没有。单是那繁琐的占位符体系,在起跑线上就输掉了一大截。近年来,大数据人工智能火上了天,而py便是这风口上的猪。java等老牌语言固然均衡固然强,但天力不可违,干嘛跟猪抢风口?这条赛道上,py长期的霸主地位无法动摇。而py相比其它数据处理语言优势更加明显:py正手可以搞数据,反手可以写程序,两条赛道甭管主次我都上,干的过谁是谁。这种强大的胶水性顺应了这个互联网+的时代。还是那句话,py再弱智再猪头,它也依旧站在风口上飞。

不同于java主要基于企业维护升级,可以说py才是开发者们自己的东西,从头到尾都是开发者团队及社区在进行主要维护升级,而其中各领域大量的开源库也均是牛毛出自牛身上。你可以不用py,你可以不喜欢py,但你不能瞧不起py,毕竟py才真正意义上是我们,是开发者们自己做出来的东西。

最后希望说一说某些搞py速成教育的混蛋以及劝一劝希望短期靠py大成人工智能的梦想家。py固然强大固然好学,但不是谁都能用好这把屠龙刀。所有的教育机构都打着大数据分析,人工智能的旗号,在宣传上大搞特搞。但如果真能三个月速成人工智能,那么多算法工程师还用得着吃土?

首先人工智能本来就不单纯属于计算机,也不属于py,它是一个非常复杂的交叉学科:从开发端到数据端,从数据端到模型端,从模型端到应用端… 这其中需要多少各领域专业知识储备无需我多说。无论如何也不是三五个月能学成的。不说这些辅导班,其实本科开人工智能专业本来就有些哗众取宠,顶流985就算了,其他这些学校则是试图把人工智能廉价化,从而达到在不具备知识背景下也能学习的目的,但他们却不想这本就该是一个神仙打架的领域。

人工智能,无论是对知识储备的需求,还是本身具备的学习难度,它都在很大程度上超越了本科的教学范畴,本科亦是如此,这里就更不提某些自视甚高的补习班老师了。还望那些处于观望状态下的人擦亮眼睛,不要听了那些py鄙弃者的辱骂,也不要信了这些py狂热教育份子的鬼话。

当然最后的最后,我在这里也劝某些思维固化的人们多去尝尝新事物的香,毕竟在这个领域这个行业内混,不进步用不了多久就落伍了。

思想固化,逆势而为,逆水行舟,不进则退。

Python经验分享

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
9f49b566129f47b8a67243c1008edf79.png

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

8c4513c1a906b72cbf93031e6781512b.png

三、入门学习视频

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

afc935d834c5452090670f48eda180e0.png

四、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

252731a671c1fb70aad5355a2c5eeff0.png

五、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

6c361282296f86381401c05e862fe4e9.png

d2d978bb523c810abca3abe69e09bc1a.png

这份完整版的Python全套学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。

  • 74
    点赞
  • 192
    收藏
    觉得还不错? 一键收藏
  • 37
    评论
Python作为一门编程语言,确实在近年来受到了广泛的关注和使用。它具有简洁易读的语法,丰富的库和框架支持以及广泛的社区支持,使得编写Python代码变得高效且快速。然而,是否被严重高估这个问题需要从多个角度来看待。 从技术层面来看,Python并不是解决所有问题的最佳选择。与其他编程语言相比,Python的执行速度较慢,特别是在处理大规模数据和高性能计算方面。因此,在对速度要求较高的领域,如游戏开发、金融分析等,Python可能不适用。 此外,Python高估也与其在人工智能和数据科学领域的广泛应用有关。因为Python有许多强大的机器学习和数据处理库,例如TensorFlow、Pandas和NumPy等,这使得Python成为了人工智能和数据科学领域的首选语言。然而,这也导致了一种过度使用Python的现象,有些人可能过于依赖它,而忽视了其他更适合的工具和语言。 此外,Python在某些领域可能被高估的另一个原因是其相对简单的语法使得它成为了很多初学者的首选语言。然而,要成为一名优秀的程序员,除了掌握Python之外,还需要了解其他编程语言和技术。过分关注Python可能导致一种技术上的狭隘性。 总体来说,尽管Python有很多优点,但它并不是解决所有问题的最佳选择。因此,我们应该避免过分高估Python的能力,而是在不同的场景下选择最适合的工具和语言

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 37
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