AI gelişimi için en iyi 5 programlama dili

Yapay zeka (insan yapımı beyin gücü), uygulama tasarımcıları için fırsatların evreni açar. AI veya derin öğrenmeyi sömürerek, çok üstün müşteri profilleri, kişiselleştirme ve öneriler yaratabilir veya daha parlak avları, sesli bir arayüzü veya akıllıca bir yardım veya uygulamanızın üzerinde bir kaç alternatif yolla birleştirebilirsiniz. Hiç beklemeyeceğiniz koşulları gören, duyan ve yanıtlayan uygulamaları bile oluşturabilirsin.

Hangi programlama dili, AI'ların mıknatısından nasıl çekileceğini anlamanız için tavsiye edilir mi? Açıkçası, çok sayıda büyük AI ve derin öğrenme kütüphanesi ile bir dile ihtiyacınız olacak. Aynı şekilde, Büyük Çalışma Zamanı Yürütme, Büyük Enstrüman Desteği, Büyük Enstrüman Desteği, muazzam bir yerel geliştiricinin ve destekleme demetlerinin sağlam bir biyolojik sistemini içermelidir. Bu, ihtiyaçların geniş bir yıkımıdır, ancak yine de çok iyi bir alternatif vardır.

İşte, iki dikkate alınan iki bildirimin yanı sıra, AI gelişimi için en iyi altı programlama lehçesi için benim seçimlerim. Bu lehçelerin bir kısmı çıkışta, diğerleri ise kayıyor. Yine de diğerleri, kaydedilmiş derin öğrenme tasarımları ve uygulamalarında istekli olmanız durumunda düşünmeniz gerekir. Hepsinin nasıl yığıldığını algıladık.

Python

Bir numarada, hala python. Gerçekten başka bir şey olacağı nasıl mümkün olabilir? Python hakkında bir şeyler yaparken, AI çalışmalarını başarmanız durumunda, daha önce veya daha sonra Python'u kullanmayacağınızdan daha muhtemeldir. Ne kadar fazlası, hoş olmayan lekelerin bir kısmı biraz yumuşattı.

2020'ye başladığımız gibi, Python 2.x'e karşı Python 3.x'in konusu, her önemli kütüphaneye kadar her önemli kütüphane yükselişinin python 3.x'ini karıştırılıyor ve python 2.x'ü acelece atıyor. Sonuçta, en son kullanabilirsiniz, tüm yeni dil kesin olarak dahildir.

ve her eşsiz düzenlemenin biraz benzersiz bir şekilde kırıldığı kötü rüyalar demetin, henüz bir şey olduğu gibi, anaconda, zamanın yaklaşık% 95'ini kullanıp aşırı bir şey için strese girmeyeceğinizi unutmayın. Her durumda, Python World'in bu uzun süredir devam eden meseleyi son kez düzeltebilse, hoş olurdu.

Düşünülen her şey, Python'da erişilebilen matematik ve ayrıntılar kütüphaneleri, farklı lehçelerde pratik olarak eşleşir. Numpy o kadar evren haline geldi ki, tensör görevleri için sadece standart bir API'dir ve Pandalar, Python'a inanılmaz ve uyarlanabilir veri adlarını getiriyor. Düzenli dil kullanımı için (NLP), saygı duyulan NLTK ve yanıcı-hızlı spacy var. AI için, Scikit-Öğrenin ile mücadele var. Daha fazla, derin öğrenme konusunda, mevcut kütüphanelerin tamamı (tensorflow, pytorch, zincirleme, apache mxnet, theano vb.) Yeterli python-ilk teşebbüslerdir.

ARXIV'deki son teknoloji ürünü öğrenme araştırmalarının tercih edilmesini varsayarsak, kaynak kodu sunan çalışmaların çoğunu Python'da olduğu gibi keşfedeceksiniz. Ardından, bu noktada piton ortamının farklı parçaları var. Ipython jupyter defter haline geldiğinde ve daha az piton odaklı olsa da, çoğu Jupyter dizüstü bilgisayar istemcilerinin çoğunu ve Scratch Ped'in web'de paylaşılan büyük çoğunluğunu, Python'u kullanacaksınız. Gönderme modelleri ile ilgili olarak, mikro servis tasarımları ve ilerlemelerinin yaklaşımı, örneğin, Seldon Core, günümüzdeki Python modellerini taşımamayacak kadar basit olduğunu ima ediyor.

Bundan kaçınmanın bir yolu yok. Python, AI araştırmasının en son kenarındaki dildir, en çok AI ve derin öğrenme yapılarını izlesiniz ve AI dünyasında neredeyse herkesin hakkında konuştuğu kişi hakkında konuşuyor. Bu nedenle, Python, önce AI programlama lehçeleri arasında, yaratıcınızın her gün esasen bir kez boşluk olduğunu ortaya çıkarır.

C ++

C ++, muhtemelen bir AI uygulamasını beslerken en iyi seçeneğiniz olmayacak, henüz her şeyi sıkmanız gerektiğinde, çerçeveden her birikimin her bir rakamını, derin öğrenme kadar normal olarak ortaya çıkan bir durumdur. Ve modellerinizi varlık mecburi çerçevelerle çalıştırmanız gerekir. Bir kez daha işaretçilerin tekrarlayan evrenine bir kez daha girişiminde bulunmak için ideal bir fırsat.

Neyse ki, Cari C ++, bestelemek için güzel olabilir (orijinal!). Bir seçiminiz var. Yığının alt kısmında bir dalma yaparak, NVIDIAS CUDA gibi kütüphaneleri, GPU'nuzda basit bir şekilde çalışacak kendi kodunuzu oluşturan veya uyarlanabilir önemli düzeyde API'lere kabul etmek için tensorflow veya Pytorch'u kullanabilirsiniz. Hem Pytorch hem de TensorFlow, Python'da (veya Python'un Pytorchs Torchscript alt kümesinde) oluşturulan modelleri istiflemenize izin verir ve doğrudan bir C ++ çalışma zamanında çalıştırın, sizi uyarlanabilirlikten tasarruf ederken, oluşturulması için ortaya çıkan metallere yaklaşır.

Böylece, C ++, AI uygulamaları, Littlest Implanteed Framework'ten devasa gruplar için tüm araçlar arasında çarpın gibi, C ++, takımın temel bir parçasına dönüşür. Kenardaki yapay zeka, artık kesin olması için yeterince zor anlamına gelir; kabul edilebilir ve hızlı olmalısınız.

Java ve diğer JVM lehçeleri

JVM lehçeleri grubu (Java, Scala, Kotlin, Clojure vb.) AI başvuru ilerlemesi için inanılmaz bir karardır. Düzenli dil taşıma (Corenlp), tensör faaliyetleri (ND4J) veya tam bir GPU-sped up derin öğrenme yığını (DL4J) ne olursa olsun, boru hattının tüm parçaları için erişilebilen bir kütüphaneye uygundur. Ayrıca Apache Spark ve Apache Hadoop gibi muazzam bilgi aşamalarına basit bir giriş elde edersiniz.

Java, çoğu girişimin en yaygın kullanılan dilidir ve yeni dilde Java 8 ve sonraki formlarda erişilebilir hale getirildiğinde, Java kodunu oluşturan, çok sayıda çoğumuz, bizden birçoğumuzun hatırladım. Java'da bir AI uygulamasını oluşturan bir dokunuşla yorucu hissedebilir, ancak işle ilgilenebilir ve ilerleme, organizasyon ve gözlem için mevcut tüm Java çerçevenizi kullanabilirsiniz.

JavaScript

Muhtemelen AI uygulamalarını oluşturmak için yalnızca JavaScript'i öğrenmeyeceksiniz, ancak Googles Tensorflow.js, Keras ve tensorflow modellerinizi programınıza veya GPU-SPED için WebGL kullanan node.js aracılığıyla geliştirmek ve büyüleyici bir yöntem sunar. Hesaplamalar.

rağmen, tensorflow.js gönderiminden bu yana gerçekten gördüğümüz bir şey, AI alanına su basan bir JavaScript mühendislerinin muazzam bir heyeti olduğunu belirtti. Python gibi lehçelerle aksine erişilebilir kütüphanelerin problemsizliğine sahip olmayan JavaScript biyolojik sistemi kapsamından dolayı olabileceğini hissediyorum.

ayrıca, işçi tarafında, aslında, python alternatiflerinden ziyade, NODE.JS ile modelleri taşımak için oldukça fazla bir fayda yoktur, bu nedenle JavaScript tabanlı AI uygulamalarının yakında yer alan programın temel olarak programını görmesini görebiliriz. Bununla birlikte, bu aslında, yalnızca EMOJI çöpçü avı avı gibi eğlence için çok sayıda ilgi çekici açık kapılar ortaya koyuyor.

SWIFT

tensorflow için hızlı. Tamamen bestelenen Sans CRUFT, tensorflow'un sınıfın en iyilerinin en iyisini kısıtlayan ve Python kütüphanelerini herhangi bir durumda python kullanıyormuş gibi kullanmanıza izin veren loş sihirbazlıklarını kısıtlayan.

Fastai Group, iyi bilinen kütüphanelerinin hızlı bir şekilde parçalandığını ve LLVM derleyicisine çok sayıda tensör akıllıca hareket eden modellerin üretilmesinde ve çalıştırmasında ek ilerlemelerden oluşan ek ilerlemelerin garantilidir. Oluşturulması şu anda hazırlandı mı? Aslında değil, ancak derin öğrenme iyileştirmelerinin yukarı ve gelecek yaşlarına yönelik yoldan doğrudan, bu yüzden yeni olanları swift ile incelemelisiniz.

r dili

R, yıkımımızın alt kısmında gelir ve düşüşü. R, bilgi araştırmacılarının sevdiği dildir. Bununla birlikte, farklı yazılım mühendisleri, DataFrame odaklı metodolojisinden dolayı düzenli olarak RR'yi bir miktar ağırlaştırıyor. Bir R mühendisinin bir toplantısına sahip olmanızın kapanışında, araştırma, prototipleme ve deney için tensorflow, Keras veya H2O ile olan kuruluşları kullanmak için iyi bir şekilde bükülebilir, ancak oluşturma kullanımı için R'u önerip göstermemeyi merak ediyorum ya da Greenfield gelişimi için, yürütme ve fonksiyonel endişeler nedeniyle. Yaratılış işçileri üzerine taşınabilecek performans R kodunu oluşturabilirken, o r modeli alması ve Java veya Python'da yeniden kodlama daha basit olmadığından daha olası olacaktır.