- 机器学习的底层优化：C/C++，适当学习一些assembly和intrinsics。
- 机器学习框架和算法的开发优化：C/C++，CUDA。根据工作的侧重可能需要了解OpenCL，OpenGL，甚至 HDL，但是这些都是bonus。
- 工业级别的分布式系统：依然是C/C++，了解分布式系统的知识比如说MPI，Spark，等等。
- 机器学习模型的设计研究：Python 加上一两个机器学习的框架，最好还是要学一些C/C++。
- 机器学习在前端的应用：Python，java（Android），Obj-C（iOS），但是这个其实基本上和机器学习没有太大关系。
- 机器学习在大量传统公司当中的应用：他们以前用什么语言就什么语言。。。
另外，作为面试官的话我会根据你的背景和偏好选择C++和Python之一。个人把这两个列为必须要会一门的语言。
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习牵涉的编程语言十分之广，包括了MATLAB、Julia、R、Perl、Python、Clojure、Ruby等等。
为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。
