机器学习、深度学习、数据分析、大数据、服务端技术栈 等等，这几部分都是很全的。 可以先看部分（价值超大！！）
免费分享给大家，点击这里！
「如果想让代码运行得更快，您应该使用 PyPy。」 - Python 之父 Guido van Rossum 对于研究人员来说，迅速把想法代码化并查看其是否行得通至关重要。Python 是能够实现这一目标的出色语言，它能够让人们专注于想法本身，而不必过度为代码格式等无聊的事情困扰。 但是，Python 有一个致命的缺点：速度比 C、C ++ 等语言慢很多。那么，构建一个 Python 原型测试想法之后，如何将其转变为快速且高性能的工具？通常来说，人们还要再进行一步工作：将 Python 代码手动转换为 C 语言的代码。但如果 Python 原型本身就可以运行得很快，那么转换代码的时间就可以做一些更有意义的事情。 而 PyPy，恰好可以解决这一问题。它能够让 Python 代码运行得比 C 还快。 import timefrom termcolor import colored0 for i in range(100000000 ):"FINISHED" , "green" ))f"Ellapsed time: {time.time() - start} s" )为了证明 PyPy 的速度，使用默认的 Python 解释器和 PyPy 运行上述代码，执行一个从整数 0 加到 100,000,000 的循环, 然后打印出运行时间。运行结果如下：
这不是学术意义上的评估，但该结果是令人惊叹的。与大约需要 10 秒钟的默认 Python 解释器相比，PyPy 仅用 0.22 秒就完成了执行。而且无需进行任何更改就可以直接将 Python 代码放到 PyPy 上。而同一台计算机上，等效的 C 语言实现需要 0.32 秒，PyPy 甚至击败了最快的 C 语言。 尽管代码完全相同，但代码的执行方式却大不相同。PyPy 提升速度的秘诀是「即时编译（ just-in-time compilation）」，即 JIT 编译。 C、C ++、Swift、Haskell、Rust 等编程语言通常是提前编译（AOT 编译）的。这意味着用这些语言编写代码之后，编译器会将源代码转换成特定计算机架构可读的机器码。也就是说在执行程序时，执行的并不是原始源代码，而是机器码。
与 C 语言等上述语言不同，Python、JavaScript、PHP 等语言采用另一种方法——解释语言。与将源代码转换为机器码相比，解释的过程中源代码是保持不变的。每次运行程序时，解释器都会逐行查看代码并运行。例如，每个 Web 浏览器都内置了 JavaScript 解释器。
PyPy 是利用即时编译来执行 Python 代码的。即 PyPy 不同于解释器，它并不会逐行运行代码，而是在执行程序前先将部分代码编译成机器码。
如上图所示，而 PyPy 使用的 JIT 编译是解释和提前编译的结合，可以利用提前编译来提高性能，并提高解释型语言的灵活性和跨平台可用性。 原文链接： https://towardsdatascience.com/run-your-python-code-as-fast-as-c-4ae49935a826 最后，再和大家说说我们之前做的 《100个超强机器学习算法模型》 。
一个人走的很快，但一群人会走的很稳，放假的小伙伴，趁着假期可以按照每一个算法模型，学习一番。
我是Johngo，下期见！
推荐阅读
原创合集，持续更新！
超强机器学习合集！！
大厂程序员提倡“防御性编程” ！！
相当猛！拼多多今年的薪资。。。
目前，一个薪资非常不错的方向！
