<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          2020 年,最適合 AI 的 5 種編程語言

          共 2047字,需瀏覽 5分鐘

           ·

          2020-09-10 19:04

          點擊“開發(fā)者技術前線”,選擇“星標?”

          在看|星標|留言,? 真愛


          來源 |?medium? ?出品 | AI科技大本營

          AI系統(tǒng)的開發(fā)必須有計算機代碼,而計算機程序的開發(fā)有不同類型的編程語言可以選擇。本文分析哪些編程語言最適合你的人工智能或機器學習用例開發(fā)。

          文中給出了一個想要在人工智能行業(yè)成功所需的5種編程語言的簡單列表。針對給定的人工智能或機器學習項目,每種語言都有相應的優(yōu)勢和缺點,所以在選擇開發(fā)語言前要考慮最終的目標。

          這5個最適合人工智能行業(yè)的編程語言是:Python;R;Java;Scala;Rust。
          ?

          Python


          Python是人工智能行業(yè)最主流的編程語言,因為python具有易于學習的語法、大量的庫和框架、對眾多AI算法的動態(tài)適用性、而且相對容易編寫。

          Python支持面向功能、面向對象和面向過程的開發(fā)方式。此外,大量開放社區(qū)還在幫助python語言處在計算機科學行業(yè)的前沿。

          與其他編程語言相比,python的缺點包括是運行速度慢、面向移動設備的編碼功能較差、不利于處理內存密集型任務。

          R

          R是另一個機器學習編程語言。R語言最常用于數據分析、大數據建模和數據可視化。R語言包含多個包設置和大量的材料,使得其非常適合處理數據為中心的任務。

          R語言的缺點包括大量使用內存、缺乏基本安全功能(無法嵌入web應用中)、和基于古老的S編程語言。

          Java



          Java是一種面向對象的編程語言,優(yōu)勢包括可以與搜索算法(搜索算法是能夠有效支持大規(guī)模項目的簡化框架)很好地結合、易于調試代碼等。此外,Java也有完善的社區(qū)支持和大量的開源庫。

          與其他語言相比,Java的缺點包括性能不佳;由于運行在Java虛擬機之上,因此內存使用效率低下。以上兩個缺點會導致硬件成本增加。

          Scala


          Scala是一個可擴展的編程語言,可以處理大量大數據。Scala支持支持面向對象和函數式編程的風格。由于其簡潔的代碼風格,Scala比其他語言更具可讀性和易于編寫。

          Scala語言的速度和性能使得其非常適合機器學習和AI模型,并具有相對無差錯的編碼,在必要時容于進行調試。

          Scala的不足包括所有面向對象和函數式編程的缺點。因為該語言融合了多種編程風格,因此使得理解類型信息更加困難。此外,切換回面向對象樣式的選項也可能被視為弊端,因為在編寫代碼時不會在功能上進行思考。


          Rust

          Rust是系統(tǒng)級的編程語言。創(chuàng)建該語言的目的是編寫“安全”代碼,也就是說對象是由程序本身管理的。這樣程序員就無需進行指針計算或獨立管理內存。使用的內存較少一般會使代碼更簡潔,因此可能更易于編程。

          比其他語言相比,Rust語言的缺點包括編譯器更慢、沒有垃圾回收機制、開發(fā)速度慢(與python對比)。Python 和 Go 都很火,要怎么選?

          一本名為Foundations of Machine Learning(《機器學習基礎》)的課在Reddit上討論火熱,這部教材足夠扎實、內容足夠基礎,學機器學習理論,熟讀這本書就足夠了。


          這本書是由紐約大學計算機科學教授Mehryar Mohri、Afshin Rostamizadeh和Ameet Talwalkar共同編寫的,2012年曾經出版了第一版,這一版在此前基礎上進行了內容的完善。



          全書是對機器學習的一般性知識介紹,也是不少大學的研究生教材,側重于算法的分析和理論。書中的內容基本上涵蓋了機器學習當前階段的熱門基礎概念,同時還附上了算法論證所需的理論基礎和工具。

          原價30多美元的書,當前免費開放。
          教材官網:cs.nyu.edu/~mohri/mlboo


          二、主要內容

          下面是主要目錄
          1. C學習框架

          2. Rademacher復雜性和VC維(Vapnic-Chervonenkis Dimension)

          3. 模型選擇

          4. 支持向量機

          5. 核理論

          6. Boosting家族

          7. 在線學習

          8. 多級分類

          9. 排序

          10. 回歸

          11. 最大熵模型

          12. 條件最大熵模型

          13. 算法穩(wěn)定

          14. 降維

          15. 學習自動機和語言

          16. 強化學習



          資源獲取


          附上云盤下載鏈接,長按掃碼關注:Python高校后臺回復機器學習基礎(建議復制)即可獲得百度網盤地址。

          (公眾號有大量Python,和AI相關資源,歡迎關注!




          END


          后臺回復“電子書”?“資料”?領取一份干貨,數百技術電子書等你
          開發(fā)者技術前線 ,匯集技術前線快訊和關注行業(yè)趨勢,大廠干貨,是開發(fā)者經歷和成長的優(yōu)秀指南。
          點個在看吧
          瀏覽 72
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  中文字幕乱伦视频 | 91亚洲视频 | 国产欧美日韩在线观看 | 91嫩草欧美久久久九九九 | 成人性爱在线观看 |