当前位置:今期特马刘伯温玄机图 > 人工语言 >

自学人工智能开发必须要学习的5种最佳编程语言

  AI(人工智能)为应用程序开发人员打开了一个充满可能性的世界。 通过利用机器学习或深度学习,可以生成更好的用户画像、个性特征和适当推荐,或者包含更智能的搜索、语音接口或智能辅助,或者以其他方式改进您的应用程序。 甚至可以构建能看、会听并响应的应用程序。

  但是应该学习哪种编程语言来探究AI的深度? 以下人工智能开发的五种最佳编程语言:

  排名第一的是Python。 怎么可能是别的,真的吗? 虽然有一些关于Python的令人抓狂的事情 --空格、Python 2.x和Python 3.x之间的重大分裂、五种不同的打包系统,它们都将不是问题--如果你正在进行AI工作,你几乎肯定会 在某些时候使用Python。

  Python中提供的库在其他语言中几乎是无与伦比的。 NumPy已经变得如此普遍,它几乎是张量操作的标准API,而Pandas将R强大而灵活的数据帧带入Python。 对于自然语言处理(NLP),您拥有令人尊敬的NLTK和极其快速的SpaCy。 对于机器学习,有经过实战考验的Scikit-learn。 当涉及到深度学习时,所有当前的库(TensorFlow,PyTorch,Chainer,Apache MXNet,Theano等)都是有效的Python优先项目。

  如果您正在阅读关于arXiv的尖端深度学习研究,那么几乎可以肯定您会在Python中找到源代码。 然后是Python生态系统的其他部分。虽然IPython已成为Jupyter Notebook,而不是以Python为中心,但您仍会发现大多数Jupyter Notebook用户以及大多数在线共享的笔记本都使用Python。

  没法绕过它。 Python是人工智能研究的最前沿语言,是你能找到最多的机器学习和深度学习框架的语言,也是AI世界中几乎所有人都会说的。 出于这些原因,Python是人工智能编程语言中的第一个,尽管你的编码作者每天至少会诅咒一次空白问题。

  JVM家族系列语言(Java,Scala,Kotlin,Clojure等)也是AI应用程序开发的绝佳选择。 无论是自然语言处理(CoreNLP)、张量操作(ND4J)还是完整的GPU加速深度学习堆栈(DL4J),您都可以使用丰富的库来管理所有部分。此外,您还可以轻松访问Apache Spark和Apache Hadoop等大数据平台。

  Java是大多数企业的通用语言,Java 8和Java 9中提供了新的语言结构,编写Java代码并不是我们许多人记忆中的可憎体验。 用Java编写AI应用程序可能会让人觉得无聊,但它可以完成工作 - 您可以使用所有现有的Java基础架构进行开发、部署和监视。

  在开发AI应用程序时,C/C++不太可能是您的首选,但如果您在嵌入式环境中工作,并且无法负担Java虚拟机或Python解释器的开销,那么C/C++就是解决之道。当你需要从系统中获取最后一点性能时,你需要回到可怕的指针世界。

  值得庆幸的是,现代的C/C++写起来还是很愉快的(诚实之言!)。 具体方法你是有的选择的--您可以深入了解堆栈底部,使用CUDA等库来编写直接在GPU上运行的代码,也可以使用TensorFlow或Caffe来访问灵活的高级API。 后者还允许您导入数据科学家可能使用Python构建的模型,然后以C/C++提供的所有速度在生产中运行它们。

  请留意Rust在未来一年中在这个领域所做的事情。 结合C/C++的速度与类型和数据安全性,Rust是实现生产性能的绝佳选择,而不会产生安全问题。 并且对Rust来说,TensorFlow绑定已经可用了。

  JavaScript? 到底几个意思? 淡定,听我说说--Google最近发布了TensorFlow.js,这是一个WebGL加速库,允许您在Web浏览器中训练和运行机器学习模型。 它还包括Keras API以及加载和使用在常规TensorFlow中训练的模型的能力。 这可能会吸引大量开发人员涌入AI领域。 虽然JavaScript目前没有与此处列出的其他语言相同的机器学习库访问权限,但很快开发人员将在他们的网页中添加神经网络,与添加React组件或CSS属性几乎相同。真是即赋予权力有让人震恐。

  TensorFlow.js仍处于早期阶段。 目前它在浏览器中有用,但在Node.js中不起作用。 它还没有实现完整的TensorFlow API。 但是,我预计这两个问题将在2018年底之前得到解决,此后不久JavaScript将对人工智能进行入侵。

  R进入前五名的底部,并且趋势向下。 R是数据科学家喜爱的语言。 但是,由于其以数据帧为中心的方法,其他程序员在第一次遇到R时会发现R有点混乱。 如果你有一个专门的R开发人员小组,那么使用与TensorFlow,Keras或H2O的集成进行研究,原型设计和实验是有意义的,但由于性能和操作问题,我不愿意推荐R用于生产用途 。 虽然您可以编写可以部署在生产服务器上的高性能R代码,但是使用该R原型并使用Java或Python重新编写它几乎肯定会更容易。

http://aqilabutik.com/rengongyuyan/55.html
点击次数:??更新时间2019-05-17??【打印此页】??【关闭
  • Copyright © 2002-2017 DEDECMS. 织梦科技 版权所有  
  • 点击这里给我发消息
在线交流 
客服咨询
【我们的专业】
【效果的保证】
【百度百科】
【因为有我】
【所以精彩】