大家好，今天小编关注到一个比较有意思的话题，就是关于java 转其他语言的问题，于是小编就整理了3个相关介绍Java 转其他语言的解答，让我们一起看看吧。
将JAVA程序转换成c语言？
j***a是带GC的，所以根本不存在算法可以保证所有j***a代码转成c++之后都跟原来长得差不多。譬如j***a8用lambda表达式构成一个环，你C++当场就跪了。
在我学会了一门编程语言后，如何快速学会其他语言？
首先你会一种语言，会其他语言肯定不难，因为编程语言之间基本上是相同的，都是大同小异，无非一些特殊的规定。可以尝试把你会的语言一个系统，转为用另外一个语言翻译一遍，自然而然你就会了，还是要实操。
计算机语言都是相通的，学好一种语言，其他的都比较简单了，建议认真学习一种需要，不要只学个皮毛，比如J***A语言入门就比较简单，但是真的玩好，玩精，需要你下一番苦功夫！
计算机程序语言是相似的，思想相通，只是语法等规则不同，在掌握一门语言后要想掌握其他语言，首先要理解要学的语言的基本规则，其次最好是在项目实练中进行训练，能够快速上手。但是，个人建议掌握多门语言不如精通一两门。希望能够***纳，谢谢。
作为一名IT从业者，同时也是一名教育工作者，我来回答一下这个问题。
首先，对于已经掌握一门编程语言的人来说，要想快速掌握其他编程语言，最便捷的方式就是边用边学，很多程序员在工作过程中都需要掌握多种不同的编程语言，而通过开发项目来驱动学习是比较好的学习方式。
编程语言虽然在语法结构上会有所区别，但是在大的编程思想上还是具有一定关联性的，所以在具有一门编程语言的基础之后，再学习其他编程语言也会更容易一些，按照历史经验来看，可以直接通过开发案例进行学习。通常情况下，程序员在接触一门新的编程语言时，往往一周左右就可以开始使用了，然后就可以一边使用一边学习。当然，开发环境对于学习一门编程语言也有比较积极的意义，如果可以与有经验的程序员交流，也会获得很多帮助。
不同的编程语言有不同的使用方式，在学习的过程中要重点关注这些使用方式，比如J***aWeb开发比较依赖于模式和框架的支撑，所以掌握这些开发模式和框架（Spring系列），基本上就能完成一些开发任务了。python语言比较依赖于各种开发库的支撑，比如***用Python进行数据分析时就需要掌握Numpy、Scipy、matplotlib等库。从这个角度来看，学习一门编程语言要重点关注其应用方式，同时要善于***用各种工具。
最后，目前在产业互联网的推动下，开发环境正趋于平台化，此时编程语言更多会关注于如何基于平台来完成***整合，所以应该重视技术平台对于编程语言的影响。目前可以重点关注一下云计算平台、物联网平台和人工智能平台，一部分平台对于编程语言的应用也有一些特定的规则。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
从实践出发，试着用另一门语言去实现你用之前语言写的程序。在此过程中，之前语言的基础，会引导你如何去学习新语言。通常在完成一两个项目后，就能用新语言写新的程序了。
J***a程序员可以转换到人工智能领域吗？
需要考虑：
2、这样的薪资可以拿多久？
3、未来十年，人工智能会不会飞速发展？
5、自己的数学功底，可以把人工智能学到多深
考虑了这几个问题，然后再决定要不要转
人工智能领域是未来主要的发展方向之一，目前很多J***a程序员也都有着手学习python知识，这个确实是个不错的选择，而且未来人工智能方向发展前景还是不错的，不论是就业情况还是薪资待遇都比较可观!
目前整个人工智能领域的人才缺口还是比较大的，而且由于人工智能领域的人才培养周期比较长，所以人才缺口将持续较长一段时间，这为J***a程序员转换到人工智能领域提供了机会，而且目前行业内确实有不少J***a程序员正在进行转换。
J***a程序员转换到人工智能领域需要做好以下几个方面的准备：
第一：补齐基础学科知识。人工智能领域的研发需要具备扎实的数学基础，不论是计算机视觉、[_a***_]处理还是机器学习，都需要有具备较强的算法设计和实现能力。所以就J***a程序员(应用级开发)要补齐数学方面的短板，如果要想在人工智能领域走得更远，一定要重视数学基础。
第二：语言的转换。目前在人工智能领域，Python、R和Go语言的应用比较广泛，尤其是Python语言，所以目前不少J***a程序员也在逐渐开始转换。我在早期从事机器学习实现的时候也在使用J***a语言，后来转换到Python语言之后，确实在开发效率方面有所提升。
第三：具有一定的研发环境。人工智能领域的研发目前依然处在探索阶段，行业内有大量的课题需要攻克，尤其在落地应用方面还需要产业领域的专家参与，所以从事人工智能研发一定要有一个较好的研发环境
谢邀！
AI，也就是人工智能，并不仅仅包括机器学习。曾经，符号与逻辑被认为是人工智能实现的关键，而如今则是基于统计的机器学习占据了主导地位。最近火热的深度学习正是机器学习中的一个子项。目前可以说，学习AI主要的是学习机器学习。
机器学习路线图
这个学习路线是这样设计的：首先了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。这时还是可以把机器学习方法当作一个黑盒子来处理的。实战经验积累以后，可以考虑继续进行学习。这时候有两个选择，深度学习或者继续机器学习。
深度学习是目前最火热的机器学习方向，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。除了深度学习以外，机器学习还包括统计学习，集成学习等实用方法。如果条件足够，可以同时学习两者，一些规律对两者是共通的。学习完后，你已经具备了较强的知识储备，可以进入较难的实战。这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码；学术界的可以看特定领域的论文，为解决问题而想***文。无论哪者，都需要知识过硬，以及较强的编码能力，因此很能考察和锻炼水平。经过这个阶段以后，可以说是踏入AI领域的门了。
坦白的说，普通程序员转机器学习并不是一件轻松的事情。机器学习却需要截然不同的思维模式。“机器学习模型不是静态代码——你需要不断为其提供数据。”正如谷歌大脑项目(Brain Residency)负责人罗伯森说，“我们一直在不停地更新模型，而且还要不断学习，增加更多数据，调整预测方式。它就像是一个有生命的东西，这是一种截然不同的开发模式。”
首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析
其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累；
然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少；
人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。
到此，以上就是小编对于j***a 转其他语言的问题就介绍到这了，希望介绍关于j***a 转其他语言的3点解答对大家有用。
