大家好，今天小编关注到一个比较有意思的话题，就是关于玩转机器学习linux的问题，于是小编就整理了2个相关介绍玩转机器学习Linux的解答，让我们一起看看吧。
程序员是不是用linux编程呢？怎样用好linux？
楼主的问题应该是程序员是不是都在linux操作系统下编程吗。答案当然是否定的。现在最好用的系统是windows系统，国内大多数程序员都是在Windows系统下编程的，很大原因是国内大多用盗版windows，不需要什么成本。如果你的程序是用在嵌入式设备上或者linux操作系统的服务器上，那么很多大型公司会有linux系统的编译服务器，你在windows系统上用比较好用的编程软件写好代码后再通过编译服务器交叉编译生成库文件或者执行文件。程序员是否优秀不在于操作系统，更多在于专业知识和编程能力，操作系统只是平台。
如果你在写代码的时候已经完全抛弃c#,.netcore等一系列微软的开发语言。
比如已经全部使用了python，java，go，angular，react，vue等等那么确实可以在linux上工作，同时你也还有三个选择:
有资金的话可以买个mac ,她是视网膜屏幕，写代码时间留了眼睛也不太会累。
如果资金欠富裕，则可以选择ubuntu系统，她也不错，反正桌面ide 都可以安装，完全无压力。
如果你是个极客，就是要和大家不一样，你可以安装命令行版本的操作系统，全部在黑屏下工作，那也是可以的。
针对怎么用好linux呢？这个其实很简单，多用，遇到问题尝试摸索研究就可以了，熟能生巧！
真正谈程序员用户数量的话，肯定还是Windows是程序员大军的主力系统，毕竟Windows用户门槛相对更低，而且用户体量也足够多，很多程序员最开始接触的操作系统也都是windows，更重要的是对于PC用户来说，Windows学习成本比Linux要低，Windows PC的平均硬件成本又比Mac要低。
那么除了少数用Linux是最佳选择的领域，以及像Google这种有自己定制版的ubuntu的公司，那么到底还有哪些领域用非Linux环境呢？
这一点其实是事实，Windows用户占据了计算机行业87%的市场份额，依然是第一大系统，就算是在编程领域也依然是第一大操作系统。
在美国的众多用户之中，其实还好，毕竟美国的程序员基本上都是在Unix哲学下发展起来的，这些人已经熟悉了Unix程序员，这样能够和Linux形成无缝的链接，所以在美国的程序员来说，长期在Unix哲学下成长起来的程序员，使用门槛更低。
但是国内的程序员就不一样了，国内的程序员基本上全都被windows的哲学从小都影响到了，没有美国那种Unix极客文化，windows下培养起来的用户习惯，导致了很多程序员很难重新去学习Linux文化。
当然，这已经是一个公开的秘密了！
在硅谷的企业中，苹果公司就不用说了，就算是在Google、Facebook、SnapChat、Uber等众多科技公司，使用Mac电脑的程序员也是占据了绝大多数，相信大家都看过照片，基本上Facebook的办公桌上，放眼望去全是Mac电脑。
就算是在国内BAT，以及再小一些的企业美团、滴滴、饿了么、字节跳动的企业中，使用Mac电脑的程序员比例也是不小的。
macOS省心、稳定，成了很多企业的标配！
这一点相信不用过多的解释。
如何学习android上的linux kernel，从哪学起，怎么样循序渐进地看不同的部分？
不清楚楼主从事哪方面的工作，一般做系统剪裁或者驱动开发， 需要学习内核部分。
我的想法，可以从2方面进行。
1. 研究一下linux内核 0.1版
此版是学习linux系统原理的经典，只有几百K。
可以自己尝试编译运行linux 0.1版，以下是别人的分享
通过此版的研究（虽然功能单一），你能对操作系统有进一步的理解。
2. 研究Android内核
从加电power on启动流程分析 入手，然后到init进程，然后到binder，匿名[_a***_]共享等学习。
一步一个脚印，做好笔记，提升肯定会很快。
▲这里本人推荐一本关于学习人工智能机器人存操作程序步骤的书籍，你可以循序渐进的学习。本书由工程师撰写,介绍机器学习中需要的主要数学知识,以及机器学习算法的实现和应用场景,为机器学习初学者制定了如何夯实基础的方案。本书以机器学习的算法为主线,深入剖析算法的概念和数学原理,以通俗形象的语言进行介绍,让读者无需了解太多前置数学知识,就能看懂数学公式的表达意思,从而深度掌握机器学习的思想和原理。主要内容包括:首先介绍机器学习基本概念及工具,然后从概念、原理、Python实现、应用场景几个方面,详细剖析机器学习中主要的算法,如线性回归算法、逻辑回归算法、KNN、木素贝叶斯、决策分类、支持向量机分类、K-means聚类、神经网络分类、集成学习等。
▲这是一本介绍机器学习的书,按常理来说,我应该首先介绍学习机器学习的重要性。可是,有必要吗?我记得约五年前,机器学习还是一个很有科幻色彩的术语,而现在技术学习圈几乎整版都换成了机器学习的各种模型,国内很多大学已经开始设立人工智能,机器学习当仁不让地成为核心课程。据说相关学者已经将该知识编制成课本,即将走入中学课堂。机器学习的火热,连带着让长年不温不火的Python语言也借机异军突起,甚至掀起一阵Python语言的学习热潮。机器学习已经成为“技术宅”的一种技能,因此,实在没必要再占篇幅介绍它的重要性。但是,学习机器学习的路途是坎坷和颠簸的,不缺的就是让你半途而废的借口。机器学习的成就是站在巨人的肩膀上取得的,因此,当你终于下定决*习机器学习时,很多人给你开出一串长长的学习清单:机器学习涉及大量向量和矩阵运算,所以线性代数是肯定要学的;机器学习的很多模型算法都以统计知识作为背。
到此，以上就是小编对于玩转机器学习linux的问题就介绍到这了，希望介绍关于玩转机器学习linux的2点解答对大家有用。
