@saximi 不是，反过来。
错误的意思是，你定义的 __int__ 方法只定义了一个参数(self)，但是你传入了 4 个参数。

当然，其实不是你显式传入的， 是因为如果你指定了某个 metaclass，那么 Python 会自动调用
metaclass(name, bases, namespace, **kwds)。
具体建议你查看别人的 metaclass 是怎么写的。

#3 说的有道理的，sublime 基本没有调试能力，如果要一个能调试的编辑器还是推荐 VS Code。
不过比 sublime 肿一点。

anaconda 和 SublimeCodeIntel 两者功能不是差不多的吗？为什么要装两个？
可能会冲突吧。
只装 anaconda 试试，然后不要配置，默认配置先试试能不能 run 起来。

@wentian 各大招聘信息都可以明显看得到啊
国内 Python 岗位就是明显比 PHP，Java 少。

国内 Python 程序员普遍工资低，而且容易找不到工作。

算法不是面试前刷的么。。。

有这么多毛病， 三星早不用卖了。

一条准则：永远不要试图去解释未定义(undefined)的操作。
这种问题根本没有答案。

那是因为很多用 Python 的只会写爬虫，所以网上充斥着这些垃圾文章。

搜索 cs229，能看得下去， 我觉得完全可以从事机器学习领域。
不过机器学习英语要求比数学还更高，因为几乎没有靠谱的中文资料。（有些名词根本没中文翻译）

@yemenchun1 雅可比矩阵不是跟这个差不多吗？我记得属于微积分的内容吧，只是老师不强调而已。

做机器学习的数学基础：微积分，线性代数，概率论和统计，凸优化
也就凸优化是稍微难的知识，对比其他“科研”领域，比如物理，已经是不讲究数学的了。
我倒觉得机器学习的难度不在数学上（除非你做科研），也不过是理工科本科数学的知识而已。
数学好的有数学好的思考方式， 数学不好的也有数学不好的思考方式。
很多机器学习的大牛也不一定是传统 CS 或者 Math 出来的， 入行的困难在于这是个比较新的领域
没有人带着走， 会走非常多的弯路。（除非你是大神）

@lfs9azh 没有什么特别的地方， 就是协议稍微不同， 但是配置起来很麻烦。
或者说， 配置成我想要的样子很麻烦， 我已经忘了我当初是否配置成功了。
虽然这些问题都是次要的，但是多个小问题组成起来就麻烦。
比如多显示屏， 有一个桌面环境， 会省心很多。
再比如用 i3wm 的时候， 外接手机和 U 盘等介质时，我还要用不同的方式去挂载他们。
总而言之， 大毛病没有， 但是太浪费时间。

@lfs9azh debian。之前用 archlinux，我知道有各种工具， 也挺好用。
但是这些工具大多数不支持企业级 WiFi, 有的甚至 CLI 版本不支持，GUI 才支持。
最后懒得折腾了。

用 beta 版，就是小白鼠，这不是简单的事情么。。。

应用和底层知识（或说科研）本来就是两码事， 这个很正常， 但是底层知识有助你解决问题。
比如， 很多人用 keras 照着教程就能搭建一个深度学习网络， 但是如果让你迁移到其他场景中（甚至知识换个 dataset ），只要出个 bug， 他都无法处理。
重要的就是能够解决问题，而不是会搭一个简单的东西。

@yedashuai 我看了这个视频深有同感， 只要不在 Linux 上使用桌面， 那他就是完美的。
我现在用桌面， 只是为了连接 WiFi 更方便。

虽然我用 Linux， 但是我还是要说 “ Linux sucks ”
https://www.youtube.com/watch?v=SMKeWTVYBUo