oh-my-zsh 在配置低的电脑上确实有点卡，不过加个固态会好很多。

mbp 不能方便装 Linux 在我面前是最大的缺点。。。

"跟据 Spectrum 读者的需求，IEEE Spectrum 给出的编程语言排行榜如下："
大家讨论的时候不要忘记这句话， 事实上这里很少人会订阅 IEEE， 所以有很大感官上的差别是很正常的。
我觉得把 Python 和 Javascript 两者的讨论氛围 弄成当年 Java 和 PHP （或 C++，C#） 这样的 “圣战”
其实是很无聊的事情。
大多数时候，你为他说话， 其实并不是多热爱它， 只不过它恰好成为你我赖以生存的工具而已。

轻量级还是用 qt 吧，毕竟 "electron is flash for the desktop".

requests 文档原话：
"Keep-alive and HTTP connection pooling are 100% automatic, thanks to urllib3."
点进去，发现："keep-alive is 100% automatic within a session! Any requests that you make within a session will automatically reuse the appropriate connection"
所以#4 #5 是正确的。

在这里 Python 仍然是不入流的语言，很多人张口闭口说程序员要学习新事物，
其实还不是守着自己的三分地。

你们是多经常重启手机啊。。

我猜你可能用的是 CMD ？

@snnn 那是为了照顾一些用 Python2 的人，事实上几乎所有深度学习框架都完美支持 Python3，
或者说是针对 Python3 开发，兼容 Python2.

有决心做研究的人可以看 PRML， 不过快速入门的建议看李航的《统计学习方法》
想直接用 Python 做点简单的东西可以看 Toby Segaran 《 Programming Collective Intelligence 》
深度学习可以看 Bengio 出的同名书籍《 Deep Learning 》
另外，不建议看现在国内的各类书籍。不怕喷，99%没有阅读价值。（不过还有 1%）
亚马逊充斥着翻译 TensorFLow 的烂书。

另外，还是要建议你搞清楚自己想要做什么，是做 Research 还是只是想用机器学习的知识做一点小东西？

机器学习的重点不在语言， 除非想写出漂亮的代码，否则 Python 水平不是很重要。
机器学习是一个非常广阔的概念， 现在火的其实是深度学习。
至于怎么入门， 推荐看吴恩达的 cs229 上面的 notes，从最简单的线性回归，到 Logistic 回归。
如果对深度学习感兴趣，基础 ML 知识学完后，就可以接触深度神经网络。
主要是 Hinton 提出的那一套理论，包括 BP 算法等
下面就是 RNN，CNN 等已经成熟的网络。
再下面就到了 Research 阶段。

基本的高等数学知识是必须的：微积分、线性代数、概率论

#12 说的没错，Python 里更多的用的是 listcomp/dictcomp。
map reduce 是个丑陋的东西。除了看别人代码，我不会取管他。

国内有自己的“安全守护卫士”，才不管你是不是证书谁发的。