大家好，今天小编关注到一个比较有意思的话题，就是关于linux下的机器学习的问题，于是小编就整理了3个相关介绍Linux下的机器学习的解答，让我们一起看看吧。
自学机器学习如何入手？
现在网上很多很多机器学习的所谓一周入门课程，给一些刚刚入门编程的人很多误解，其实机器学习很重要的不是用什么语言，而在于你的数学知识，尤其是线代和概率知识，基本上所有的机器学习算法都离不开这两门课程，如果你要使用机器学习识别图像，那还需要知道基本的图像处理算法，既然问到如何入手我的看法是，先有一部分的数学知识，再从实际编码开始，建议使用python结合tensoflower这样入门比c++结合caffe要简单的多，机器学习操作系统建议使用linux
首先要数学，太重要了，要是想深入学理论，数学贯穿始终，高数，线代概率论自不必说，矩阵论，随机过程，拓扑学，凸优化，数理统计，图论等都要有基础。
然后当然是基础理论，算法，信息论，数据结构，最优化，贝叶斯是重中之重，可以说这些学的深度决定了你理论学习的高度。
必须要至少精通一门开发语言啊，现在都在学Python，但是R也不错啊，做大数据当然要学hadoop，这是你理论与应用的桥梁。
接下来就是真正的机器学习，knn，决策树，cnn，dnn等随便一个就能拿来做博士的开题报告，挑个自己感兴趣的就学吧，一年以后你会回来再问的。
windows转linux，用于python爬虫和机器学习，安装哪个版本比较好？
1、使用*nix系列操作系统和windows操作系统相比，个人觉得最大的区别是*nix的命令行操作模式；所以如果适应了命令行的操作模式，不管使用哪个发行版的linux其实都是一样的；我现在的主要编辑器是vim。所以工作的80%的时间都是在命令行状态下；
2、桌面环境来讲，我觉得有两个参考因素，美观和工作流；美观上个人偏向于待gnome桌面的ubuntu18；deepin 个人感觉容易审美疲劳；centos主要定位在服务器市场，所以默认的界面个人感觉中规中矩；这里的工作流指的是操作模式，或者说是交互模式，关键点是如何快速的进入和切换到目标程序，包含快捷方式，快捷键，窗口管理器，我主张使用可以灵活配置的gnome桌面,建议gnome,deepin的适合初学者，定制性稍微弱点；交互模式可以影响人的思维模式，我觉得使用linux和使用windows相比就是要在思维方式上有所收获，这点我也推荐操作模式和windows相差较大的ubuntu
3、软件库，deepin是基于ubuntu的发行版，使用apt软件库，两者是一样的；centos使用的是yum，centos软件库主要面对服务器，稳定为主，版本比较低。作为[_a***_]推荐使用一些比较新的软件工具，这点上ubuntu和deepin比较有优势
4、个人觉得基于ubuntu的另外一个发行版值得推荐，就是elementary os，本人已经持续使用了4年时间，每天都在用；版本稳定而且简约，有设计感，至今没有审美疲劳。
Linux系统工程师主要干的什么工作？
系统工程师，运维工程师，系统管理员等，在中国的互联网环境，一般来说，指的都是差不多的职位。如果说，开发工程师，是实现PM 们的想法，是PM 和产品之间的连接枢纽，那么，这个职位的同学们，就是开发工程师和服务器之间的连接枢纽。负责一些操作系统安装，系统部署等工作，系统级别的维护优化等等貌似很杂的活。这个职位的同学们，未必就不是程序员噢，或许代码造诣比开发工程师更高呢，只是不想去做一些粗活。
也有一些公司，会严格细分这两个职位。系统工程师，是开发一些提供接口给开发工程师使用的核心系统，或者一些运维的web 系统；运维工程师，就是具体的操作者（他们叫一线运维），他们就是使用这些运维平台的人，相对来说，技术含量低很多。
可以关注我，java开发的良师益友。
到此，以上就是小编对于linux下的机器学习的问题就介绍到这了，希望介绍关于linux下的机器学习的3点解答对大家有用。
