有一种程序设计语言，用它即开发Android又开发ios,它是哪一种程序设计语

1. 有一种程序设计语言，用它即开发Android又开发ios,它是哪一种程序设计语

iOS开发语言主要包括：C语言基础、Obiective-C编程、UIKit框架详解这三大块。 C语言基础：C语言是开发语言的基础，是最常用的一门程序设计语言，最常用于编写计算机程序。 Obiective-C编程：  Obiective-C是在C语言的基础上，加入面向对象特性扩充而成的通用型高级编程语言。 UIKit框架详解：UIKit框架是iPhone应用程序开发中最基本的框架，也是最常用到及最重要的框架。

2. c#、asp.net、windows程序设计，这三者，什么关系？

C# 是一种.net 程序开发语言 他可以在.net framework框架下运行，但是这只局限于部分WINDOWS系统，国外一公司开发出了一个类似于.net frame work的mono平台，可以将C# 移植到linux平台，不过我去看过，还有大量的基类库没有写呢。。 所以我也没有怎么用，不知道现在怎么样了。

asp.net 是一种由MICROSOFT开发的B/S程序框架 是.net框架中的一个分支，用于开发B/S系统，所有符合.net CLR的语言都可以开发asp.net 当然c#自然也是可以的。

windows程序设计 你首先得明白 什么是windows  在行话里 这个玩意儿一般是指桌面应用程序，就是你不用打开网页就能运行的程序，其实网页浏览器本身就是一个windows应用程序，网页在网页浏览器中被解析，我们才能看到如当前页面的网页内容。  那么windows程序设计 一般就是指桌面应用程序设计（可能这里只限于windows平台下）

3. 编程：那种语言更能学到设计模式，架构思想呢？

Q1:关于纯粹的面向对象语言?

初学者不要太执着于某些教材所谓的"纯粹的完全的"面向对象. 面向对象并不是像一些人想的那样silver bullet.. .   从面向对象和面向过程的相互关系中可以发现, 从设计模式的学习中中也可以发现: 两者不过是你中有我, 我中有你, 不可分离的.  
Q2:关于语言与编程(模式)
借用大牛的话: 深入一种语言去编程才能深刻理解,  另外,可以多用几门语言(包括动态和编译的)有助于理解不同编程方式.   集中并深入一种语言去编程的能力, 也就是超越了一种特定的语言.  java, C#, C++的区别只是在入手难易和应用领域不同.    个人还是认同C++之父的话, c++是程序员值得学习的语言, 它的表达能力强大, 某种程度能够cover另外两种.   但说到底, 高手都是通过深入而后超越一种语言得到了思想.  
design pattern某种角度上可以看作是面向对象版本的数据结构. 而架构思想和一些框架都是多种模式结合的一种实现, 这些不是简单的学习来完全理解的. 建议依据实际工作和项目中的框架多多实战,    而模式又何止Gof的23种呢. 

最后个人心得是：1必须多读程序，　2尽量多写．

4. 学完大数据可以做什么

目前各处都在讨论大数据前景如何好，大数据就业机会如何多，很多人都对大数据这个行业充满了向往。但是可能大多数人都不清楚大数据学出来后究竟能做什么？大数据行业到底有些什么岗位？
目前在国内来说，大数据行业大概有以下几种岗位：数据分析师，数据架构师，数据挖据工程师，数据算法工程师，数据产品经理。接下来为大家详细介绍一下各岗位的工作内容。
1. 数据分析师。
数据分析师 是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。
作为一名数据分析师、至少需要熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。
2. 数据架构师。
数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作 ，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。
从事数据架构师这个职位，需要具备较强的业务理解和业务抽象能力，具备大容量事物及交易类互联网平台的数据库模型设计能力，对调度系统，元数据系统有非常深刻的认识和理解，熟悉常用的分析、统计、建模方法，熟悉数据仓库相关技术，如 ETL、报表开发，熟悉Hadoop，Hive等系统并有过实战经验。
3. 数据挖掘工程师。
一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。
成为数据挖据工程师需要具备深厚的统计学、数学、数据挖掘理论基础和相关项目经验，熟悉R、SAS、SPSS等统计分析软件之一，参与过完整的数据采集.整理.分析和建模工作。.具有海量数据下机器学习和算法实施相关经验，熟悉hadoop，hive，map-reduce等。
4. 数据算法工程师。
在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。
需要具备的知识有：扎实的数据挖掘基础知识，精通机器学习、数学统计常用算法；熟悉大数据生态，掌握常见分布式计算框架和技术原理，如Hadoop、MapReduce、Yarn、Storm、Spark等；熟悉Linux操作系统和Shell编程，至少熟悉Scala/Java/Python/C++/R等语言中的一种编程；熟悉大规模并行计算的基本原理并具有实现并行计算算法的基本能力。
5. 数据产品经理。
数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。
需要具备的技能有：有数据分析/数据挖掘/用户行为研究的项目实践经验 ；有扎实的分析理论基础，精通1种以上统计分析工具软件，如SPSS、SAS，熟练使用Excel、SQL等工具； 熟悉SQL/HQL语句，工作经历有SQL server/My SQl等的优先 ；熟练操作excel，ppt等办公软件,熟练使用SPSS、SAS等统计分析软件其中之一 ；熟悉hadoop集群架构、有BI实践经验、参与过流式计算相关经验者加分 ；熟悉客户端产品的产品设计、开发流程 。

5. 想学习深度学习需要什么样的基础

很多小伙伴对深度学习的理解都有一些误解，今天就为你一一解答。
很多人第一反应是深度学习特别高大上，需要一定基础才能学习，但是关于需要学习深度学习所需要的基础其实存在很多误区。
迷茫于在网上虽然能找到各类深度学习课程和资料，但是是不是适合自己，如何能在一堆里面找到系统的、深入的、落地的学习内容，这对很多人来说都是横在学习面前的一道坎。
我们经过 2 个月的精心打磨，生产出这样一门适合基础研发人员也能学习的课程，它能在这以下几个方面回答大家对于深度学习的疑惑。
关于编程基础
只会 Java 语言，不会 C/C++/Python 能学习吗？或者学过 C/C++/Python，但是没有实际应用过，或者基础不好，是否可以学？是否有 Python 学习教程推荐？如果 C++/Python 基础比较薄弱，是否可以学？
【回答】完全可以。
我们会跟随实际的代码编写，一步一步进行指导。在数据科学、大数据和机器学习（深度学习）领域，Python 被视作最为简洁和直接的脚本编程语言，被科研领域和工程领域广泛采用，因此 本课程也会针对 Python 编程语言本身，跟随编程实战，与大家一起编程的过程中逐步讲解。
事实上 Java 编程语言在大数据处理和机器学习领域的应用也十分广泛，课程中涉及到 真实工程代码的部分，我们会将 C++ 与 Java 版本一同展示和讲解。由于这不是一门教学编程语言的课程，更注重于实际应用的编写，因此编程语言特性方面的门槛较低。
本课程着眼于海量数据实时处理和深度神经网络架构和编程，编程语言这块不会是瓶颈。并且，大家会跟随老师一起，编写机器学习代码，也会因此熟悉 Python 编程，事实上这对未来的个人发展和工作具有非常大的帮助。

在课程后半段，我们将会使用前半段课程编写的实验程序，转化为实际的工业级代码和产品，这时将涉及 C/C++ 和 Java 代码的编写。由于 Java 在面向对象的基本结构上与 C++ 十分相似，因此这一块也应当不是问题。
正如前面所阐述的，我们也会同时展示 Java 版本的高层应用实现。最终，同学们会发现这些代码虽然由不同编程语言实现，但大体相当，并无过多区别。另外，针对编程语言方面的疑虑，老师也会手把手从最基本的代码开始编写，并尽可能详细讲解每一段重要的代码。
全课程不仅从理论方面会由浅入深的讲解，编程实战也同样会从最基础部分（包含语言的部分）开始讲解。希望能够打消同学们的疑虑。通过学习本课程，不仅对整个机器学习、深度学习和分布式大数据实时处理有一个全面的认识，而且在非常实际的工程实践，将来找工作和职业发展，都将会有非常大的提升。
如果有其他语言的基础，但是没有 C＋＋和 python 基础也是完全可以学习的，语言只是工具，有其他语言基础学习新语言很快，尤其是 Python 这种语言很简单，而 Java 和 C++ 相比之下可能需要花费更多时间去学习。但本门课程在工程实践环节也会针对编写的代码进行详解，尽可能确保打消大家对这一方面的顾虑。
这个课需要大数据基础吗?
【回答】不需要。
本门课程不仅会讲解机器学习领域的经典理论、算法和工程实践，还有一大特色便是讲解大数据或海量数据的高性能分布式处理，通过这两大领域的学习和碰撞，会为大家未来职业发展和规划起到如虎添翼的作用，这一点在其他课程中较难体现，也是本门课程的主要特色之一。
本课程的老师拥有多年云计算和分布式实时处理方面的经验，同时撰写了相关书籍以及开源的大数据处理框架，拥有丰富经验，以此基础上再讲解机器学习和深度神经网络，让同学们对这一领域的几个关键点都一个较为全面的学习和掌握。

关于数学基础
有的同学有数学基础，但是缺乏 C++/Python 编程语言；有的同学没有数学基础，是否可以学？数学基础需要到什么程度？如果提前学习是否有资料推荐？
【回答】首先学习本门课程并不需要特别高的数学基础，只需要掌握大学本科阶段学习的高等数学、线性代数和概率论等课程。
虽然从应用角度上来看：
如果想要深入研究深度学习，比如完全自己实现不同结构的网络，设计网络的层与参数最好能够熟练运用矩阵理论中的相关工具，但是我相信如果职业道路规划不是算法工程师，一般并不会深入到这一层面。
对应于不同应用领域，还需要不同的数学工具，比如和图像、信号识别相关的领域，图形学等相关的基础功底是必须要有的，但这个已经是复杂的现实应用问题了，并不在本门课程的教学范围之内，本门课程的应用领域还是相对较为简单的。
实际上，如果你是一个工科生，你会发现学习数学最难的地方就是不理解这些数学工具到底能帮助我们去解决什么问题，因为大学老师大多数都是数学专业老师，并不会从学生各自专业的角度来讲解数学问题。但是当你知道你需要用数学工具做什么，有一个明确目标后，你会发现你的动力和学习能力将会有一个突破，你不会觉得这些数学知识是枯燥乏味的。因此哪怕你的数学基础相对薄弱，有一个明确的目的，再去补充这些数学知识，相信学员自己一定能解决这个问题。数学也绝对不是学习这门课的障碍，但是如果你想以其作为职业，去打好这个数学的底子是不可或缺的。
最后，如果你是数学专业，或者觉得自己数学很好的学生，你们也更不用担心不会 1、2 门语言，因为计算机语言只是一种工具，最关键的还是训练自己的思维，这种思维的核心就是数学和算法。如果你数学很好，学习这些语言是很快的，而且本门课程中除了最后的 C++ 开发，也不会应用到什么特别的语法特性。
但是另一方面也不要忽视学习好这些工具的重要性，只是希望学生自己能够权衡。对数学好的同学来说，可能最致命的是一个误区，因为计算机的基础是数学，所以完全使用数学思维去解决计算机问题是没问题的，我这里只能说计算机有自己的思维模式，哪怕是那些基于数学原理的算法问题，所以数学专业的同学必须要学会认识到这种思维的差异并学会使用计算机的思维来解决问题，而机器学习则是计算机思维的一个典型代表，这个将会在课程中具体讨论。
至于需要的数学基础，肯定是希望同学能够学习高等数学中的微积分，线性代数和概率论的相关知识，对于没有实际编程经验的学生则推荐深入学习一下离散数学（无关乎是否精于数学）。本门课程需要的数学基础也就是这些了。

关于内容
深度学习和机器学习的关系是什么？很多同学以为要先学机器学习再学深度学习是这样吗？
【回答】机器学习肯定是深度学习的基础，因为深度学习就是深度神经网络，而人工神经网络则是机器学习的一大经典模型。但是我们要认识到机器学习领域包含的算法和模型太多，因此想要专精深度学习不一定要学会其他许多的机器学习算法和理论。所以我们会在课程中安排机器学习相关的内容，只不过都是机器学习中和深度学习相关的必备基础知识。
但是如果你想要以后往算法工程师发展，去学习熟悉其他的机器学习模型也是必不可少的，只不过本门课程并没有这种要求，所有需要的机器学习知识都会在课程的前半部分详细讲解。
Caffe 框架和 TensorFlow 框架都要学吗？
【回答】首先本门课程主要应用的是 Caffe，但是同样会讲解 TensorFlow 的基本用法，并会进行简单演示。在我们的日常工作中发现 TensorFlow 是目前最强大的机器学习框架，没有之一，而且有 Google 公司的支持，有最庞大的社区，一旦有什么新模型都会有 TensorFlow 的实现可以使用（得益于 TensorFlow 的架构设计）。用 TensorFlow 来进行快速实验是非常好的选择。
但是我们也发现 TensorFlow 有两个比较大的问题，第一个问题是 TensorFlow 的单机执行效率低，尤其是和 Caffe 相比，对于资金并不是很充足的创业公司，在有一定量数据的情况下，并无法支撑一个可以快速运行 TensorFlow 训练的集群，这个时候 Caffe 以及其各种改版往往是更好的选择，而我们日常工作的实验场景就被此局限，因此更偏向于实际使用 Caffe。
第二个问题是 TensorFlow 过于庞大，实际开发产品 SDK 的时候，我们希望训练出来的模型能够直接放到产品中使用，因此训练和产品 SDK 使用的深度学习框架往往是一致或者可以互相转换的。而 TensorFlow 过于庞大复杂，还需要使用专门的构建工具，在实际产品应用集成中往往要使用能够完全掌控的工具和框架并进行修改，TensorFlow 的复杂性正和这种要求背道而驰。当然也可能是我们的工作场景和人员限制导致我们没有人力对 TensorFlow 进行深度研究、裁剪和维护，这也就是我们产品中使用 Caffe 的原因。

关于就业
学习了课程，掌握了这个技能，能不能找到工作，是否有匹配的岗位？
【回答】肯定可以！
不过自己平时更多地去实践是成为某一领域专家的必经之路，这门课程的最大作用之一是让你知道该去学习什么，还有学习的思路、方法，以及平时难以接触到的大型企业实际的工程经验和架构方法，这将对同学们的未来工作和职业发展提供极大帮助。
通过学习本课程，可以匹配到以下几个岗位：
这个实际岗位在很多公司中往往是算法工程师
大数据分析和处理方面的岗位
云计算应用或平台的开发工程师
机器学习或深度学习应用或平台的研发工程师
而算法工程部门的工程师一般会有两类人（除去部门负责人等高级职位）：
一类是能够较熟练运用 1 到 2 门语言（比如 Python、Java 或 C++），数学功底好，熟悉机器学习和深度学习的人，他们的任务是不断优化机器学习模型，进行训练测试，调整参数等，这个过程中也需要编写相当多的脚本来帮助自己解决各种问题。最后要能够编写实际的产品代码，不需要有非常好的架构和设计思想，关键是能够高效地实现某种算法。
一类是有好的编程功底，同时又能够基本理解机器学习和深度学习的人，他们的任务往往是负责封装改良第一类人实现的功能模块，从时间、空间和代码质量上改良模块的实现，同时负责维护完整的算法 SDK，这类 SDK 往往要求能够快速迭代更新，能够配上完整的训练和测试流程，需要开发者具有较强的工程能力还有架构、设计思维。
至于岗位问题同学应该完全不用担心，尤其现在有许多以人工智能为核心的公司如爆发式增长，以及传统 IT 企业向海量数据处理、机器学习和深度学习领域不断加大投入，对这类工程师的需求量极大。
大公司还是小公司需要这种岗位？机器学习工程师的薪资待遇如何？
现在大公司和小公司都有，尤其是以人工智能为主的公司。至于岗位问题同学应该完全不用担心，尤其现在有许多以人工智能为核心的公司如爆发式增长，以及传统 IT 企业向海量数据处理、机器学习和深度学习领域不断加大投入，对这类工程师的需求量极大。
至于薪资待遇方面，由于目前以及可预期的未来很长一段时间，这类岗位的需求和缺口都非常大，相信同学们在学习完本课程后，再加上自己对该领域的实践和工作经验，能够获得高于市场的薪酬水平。

6. java零基础入门书籍有哪些值得推荐？

四大名著之《Java核心技术(第10版)》
提起Java入门必读，四大名著是少不了的。《Java 核心技术》就是其中之一，分卷一、卷二两册，卷一讲基础，卷二为进阶。全书对于Java语言的核心概念、语法、重要特性和开发方法讲解地非常细致，可以说是一部有关Java的百科全书。
四大名著之《EffectiveJava中文版(第 2 版)》
“神书”、“整本书都是精华”、“内容永不过时”、“Java 程序员必读”……这些标签都是属于《Effective Java中文版》的。
这本书不是讲理论基础的，而是讲实战的。书中介绍了78条极具实用价值的经验规则，涵盖了大多数开发人员每天所面临的问题的解决方案，并且通过代码例子进一步进行佐证，让你知其然，也知其所以然。
哪怕不是Java程序员，也能买来看看，书中绝妙的编程观是跨语言、跨平台的。
四大名著之《Java 编程思想(第 4 版)》
这同样是一本Java领域的经典书籍，从Java编程的基础知识点开始讲起，慢慢深入，一直到Java的高级特性。作者用了大量通俗易懂的代码对理论进行佐证，让读者在实际操作中可以深入理解操作符、枚举类型、接口等相关知识。
这是一本被广大读者评价为“不管什么时候阅读都会有收获”的书，不论你是否刚接触 Java，都可以在阅读中获得启迪。
《深入理解Java虚拟机：JVM 高级特性与最佳实践(第 2 版)》
用Java却不懂JVM是说不过去的，但市面上有关JVM 的书很少，这本书更是少有的国内讲解此方面备受好评的书，甚至可以说是JVM书籍最好的读物之一。
本书整体内容更偏向实战，难易适中。从内存管理、执行子系统、程序编译与优化、高效并发等核心主题讲解JVM。第2版根据JDK1.7进行了内容升级，整体上不光适合入门，而且对于已经接触JVM的人来说，也会常读常新。
《Java语言程序设计(基础篇)(原书第 10 版)》
这应该是很多程序员，尤其是Java程序员倍感亲切的书，因为这本书可以说是他们当中很多人的入门初心。
本书从最基本的程序理论知识出发，哪怕你完全没有Java基础，也可以通过这本书了解Java基本的程序设计、语言结构、面对对象程序设计等知识。书中还配了大量的代码和课后习题，让读者在了解有关Java的基础知识的时候，也能进行实践深入理解。
非常适合零基础、Java 和编程爱好者来读。
《Java 高并发编程详解：多线程与架构设计》
全书主要分为四个部分：第一部分主要阐述Thread的基础知识；第二部分引入了 ClassLoader； 第三部分详细、深入地介绍volatile关键字的语义；第四部分也是最重要的一部分，站在程序架构设计的角度深入讲解了如何设计高效灵活的多线程应用程序。
上述就是推荐的几本学Java要看的书籍。

7. ai工程师 需要 哪些 技能

AI工程师需要的技能：
技能一：监督学习中需要彻底掌握三个最基础的模型，包括线性回归（Linear Regression）、对数几率回归（Logistic Regression）和决策树（Decision Trees）。

技能二：了解这些模型的数学含义，能够理解这些模型的假设和解法。写实际的代码或者伪代码来描述这些模型的算法，真正达到对这些算法的掌握。“K 均值算法”有必要认真学习，做到真正的、彻底的理解。

技能三：理解假设检验容易被 AI 工程师遗忘的内容。要熟悉假设检验的基本设定和背后的假设，清楚这些假设在什么情况下可以使用，如果假设被违背了的话，又需要做哪些工作去弥补。
技能四：具备最基本的编程能力，对数据结构和基础算法有一定的掌握。对于搭建一个人工智能系统（比如搜索系统、人脸识别系统、图像检索系统、推荐系统等）有最基本的认识。
机器学习算法能够真正应用到现实的产品中去，必须要依靠一个完整的系统链路，这里面有数据链路的设计、整体系统的架构、甚至前后端的衔接等多方面的知识。

扩展资料：
AI工程师会做： 设计，着手对信息的分析；擅长一些特定开发领域，例如网络，操作系统，数据库或应用程序； 帮助维护组织的计算机网络和系统；在软件系统的设计，安装，测试和维护中起到关键作用。
成为一种专门的程序员，可以与Web开发人员和软件工程师合作，来把Java或其他编程语言集成到业务应用程序，软件和网站中；研究软件应用程序领域，准备软件要求和规格说明文件；为了能做到这些。

8. 软件工程专业都有哪些就业方向？

就业方向：
编写程序，做软件开发。可以在政府机关，大型企业等做程序编写，或者你也可以到华为等这种企业做软件开发。如果是做编写程序这种工作的话可能比较辛苦，要经常挨夜，不过待遇也不错。
做软件测试。软件开发出来后需要通过测试是否存在漏洞，校正后才投放到市场上使用，这中间就需要做软件测试。软件工程毕业生也可以到软件编写企业去做软件测试工作。
做数据管理。这主要做管理政府机构，学校，企业等单位的数据资料工作。这种工作相对轻松些，稳定些。
做多媒体制作。这主要到动画制作公司，广告制作公司就业。有相当一部分软件工程毕业生会到这些单位工作。
到高校从事教学工作。到高校工作要比较高学历，一般要求硕士以上学历。许多高校软件工程的教师就是软件工程专业毕业的。