网上这么多推崇学 Python 入 IT 行的，如果他们学完 Python 这一套找不到工作怎么办？

最新推荐文章于 2025-06-08 02:52:26 发布

Yuki程序员

最新推荐文章于 2025-06-08 02:52:26 发布

阅读量138

点赞数

文章标签： python matlab 开发语言数据分析大数据

本文链接：https://blog.youkuaiyun.com/Yuki1127918/article/details/130847104

版权

掌握一门技能，是需要花成本的。决策之前，做个前景判断，衡量投入产出比，是应该的。

然而，一旦深入思考，你可能自己就会对学 Python 的价值，颇为疑虑。

因为大部分人看待这个问题，是在判断 Python 学过后，能否提升自己的竞争力。

国人常说的俗谚，有一句“一招鲜，吃遍天”。也就是掌握了某种供不应求的技能，于是可以坐享这种技能带来的益处与红利。

你可以暂停阅读20秒钟，在头脑里，自行匹配满足上述条件的相应技能，或是代表该技能的证书。

想好后，咱们继续。

这样的技能，确实是存在。但是，要达到“吃遍天”的效果，需要你衡量市场上的供求关系。

我们都知道，近几年市场对 Python 的需求确实很高。许多岗位招聘条件里面，都有 Python 这一项。

在这里插入图片描述

然而，供求关系的另一方，也就是供给，情况如何呢？

很不容乐观。

我不是说供给太少，而是太多了些。

别忘了， Python 最大的特点，就是简单易学。

因此，没有门槛，没有护城河，连上小学的孩子，课本上都要教 Python 了。

在这里插入图片描述

需求再大，如果供给是这样的，价格也很难上去。

所以，如果你的打算，是学好 Python 以后，直接用它变现，那你一定要三思而后行。

这是不是说，你不该学 Python 呢？

恰恰相反，你真的应该学 Python 。

你可能会疑惑：老师，你这不是前后矛盾吗？

不是。

Python 要学，但这项技能，真的不是这么应用的。

连接

Python 无门槛，这么简单，学会了也毫不稀奇，那学它还有什么用？

用处大了。

因为它可以让你和一张巨大的协作网络连接起来。这张网络的溢出效应，对你来说益处可谓巨大。

在这里插入图片描述

举个例子。

机器学习听说过吧？最近很火的。

从前人们做机器学习，用的工具叫做 Matlab 。

直到6、7年前，当 Andrew Ng 制作后来成为经典的《机器学习》课程时，用的工具还是 Matlab 。

在这里插入图片描述

当然，因为当时 Matlab 很贵，所以 Andrew Ng 鼓励大家用 Octave （一种 Matlab 的开源实现版本）替代。

我学这门课程的时候，很痛苦。其中最重要的原因，就是 Matlab / Octave 的使用。

这是当时做的第 8 次作业，你看看为了做个协同过滤（Collaborative Filtering），需要多少个文件。

在这里插入图片描述

随便打开一个代码文件，是这样的：

在这里插入图片描述

结果是，大部分学员，根本就不知道，该如何完整撰写一个协同过滤算法的程序。大家只能满足于课程的要求，即在每个文件指定的位置上，做完形填空。

因此，那时候你要是打算使用机器学习，就必须要抱着一本 Matlab 的书啃下来。因为只有明白了它怎么用，你才真正能壮起胆子，尝试从头到尾，去实践自己从 MOOC 学来的机器学习技能。

其他基于 Python 的机器学习课程，也像雨后春笋一般遍地开花。

例如在 fast.ai 的课程里，实现同样的协同过滤功能，你再也不用写那一堆 Matlab 文件和函数了。

你需要的，仅是以下这几行代码：

from fastai.collab import *
path = untar_data(URLs.ML_SAMPLE)
ratings = pd.read_csv(path/'ratings.csv')
ratings.head()
data = CollabDataBunch.from_df(ratings)
learn = collab_learner(data, n_factors=50, y_range=(0.,5.))
learn.fit_one_cycle(5, 5e-3, wd=0.1)