大家好，今天小编关注到一个比较有意思的话题，就是关于学习AI要学习哪个python的问题，于是小编就整理了4个相关介绍学习AI要学习哪个python的解答，让我们一起看看吧。
人工智能+Python学习路线有吗？
机器学习算法+Python实现
深度学习--》Python实现(CNN能实现就够了，这是斯坦福对研究生的标准)
以上两种都可以，
第一个推荐看和西瓜书，能实现的尽量实现，一般来说，比较新比较复杂的算法，书里面都没出现，所以说实现的难度还是不高的
第二种，推荐看cs231n的***，然后就要去看近几年的论文，
10岁孩子学机器人编程好还是python？
当然Python更好。支持物联网等嵌入式开发，而且方法简单易学。
python入门难度低。对于任何一个没有基础的人来说，编程都不容易，特别是没有一点数理基础的朋友，学好很难，但 Python语言语法结构简单，与自然语言更接近，学起来更容易。
Python更有“钱”途。Python在流行编程语言榜的名列前四，且还在高速增长，用Python的公司多，产品多，应用更多，未来的职业当然也多。
python人工智能学习什么框架？
感谢邀请回答。
人工智能现在有2个方向。
一。机器学习
机器学习首先要介绍的是sklearn，这个是开源的基于python语言的机器学习工具包。其中包含了有分类、回归、聚类、降维、模型选择、预处理等大多数机器学习算法包和数据处理包。
预处理：特征提取和归一化。
分类：识别某个对象属于哪个类别
回归：预测与对象相关联的连续值属性
聚类：将相似对象自动分组
降维：减少要考虑的随机变量的数量
模型选择：比较，验证，选择参数和模型。
每种算法库具体包含的具体算法如下。
除了sklearn外，机器学习三大神器GBDT、XGBoost、LightGBM也是参加竞赛和优化算法的必备。
GBDT用来做回归预测，调整后也可以用于分类。
XGBoost能自动利用cpu的多线程，而且适当改进了gradient boosting，在代价函数里加入了正则项，用于控制模型的复杂度。
lightGBM：基于决策树算法的分布式梯度提升框架。相比于xgboost,速度更快 内存消耗更低。是现在最常用的竞赛快速提升神器。
说完了机器学习，就进入人工智能的最神奇的深度学习了。
二。深度学习
在Python范围内，深度学习的框架真是百花齐放。最正统的就是TensorFlow。Google出品，出身名门。当然，大宅门里不一定最好用，一直盯住TensorFlow使用中为人诟病的艰难语法，有好心人出了一个优化版本，Keras，非常好用。在TensorFlow 2.0中干脆将Keras纳入豪门，和TF合二为一了。
Theano 是诸多学习框架的“发言人”，用他写代码，可以保证你的深度学习代码灵活实现算法，但这个框架学习比较困难。
如果搞科研，亚马逊(Amazon)选择的深度学习库，并且也许是最优秀的库。但Mxnet币Theano还难学，大家掂量着来吧。
另外，好用强大的FaceBook出品Pytorch你一定要试试。它完全地对动态图的支持让人耳目一新。
谢谢大家，希望你看完本文后，能选择适合你的Python人工智能框架。
为什么AI的深度学习，基本上都跟python这门语言有关，其它语言难道搞不定？
深度学习任何一门语言都可以实现，从github中也可以找到很多非python的深度学习库。之所以大部分深度学习都与python有关，是因为如下原因
1 语言简单
python设计理念就是简单快捷，不但上手快，而且开发速度快，维护成本相对低
2 三方库多
python有大量优质的第三方库，基本是只有你想不到，没有它做不到的存在，科学计算库也是如此。因此，深度学习需要的功能，python分分钟搞定。
3 胶水中的胶水
python运行效率低，这是不争的事实。但是，仅用python开发上层接口，下层使用c/c++实现，这种模式开发起来简单快捷。用起来很爽。
因为python门槛最低。
AI应用因为其复杂性，必须通过组装方式完成，没有人能从0到1造一个AI。所以AI有很多模块提供商，提供商当然希望更多系统能用自己产品，门槛越低用户就越多。 python相比其他语言，可能只需要一行代码就能集成， j***a可能需要编写一本厚厚的说明书开发者才会用，为难自己又为难别人，何苦呢。于是数据领域选择python,成为了行业标准。
到此，以上就是小编对于学习AI要学习哪个python的问题就介绍到这了，希望介绍关于学习AI要学习哪个python的4点解答对大家有用。