programação As 5 melhores linguagens de programação para desenvolvimento de IA

[Arkanun1000 7.008]

As 5 melhores linguagens de programação para desenvolvimento de IA

 

Qual linguagem de programação você deve escolher para o seu aprendizado de máquina ou projeto de aprendizado profundo? Estas são suas melhores opções

AI (inteligência artificial) abre um mundo de possibilidades para desenvolvedores de aplicativos. Aproveitando o aprendizado de máquina ou o aprendizado profundo, você pode produzir perfis de usuário, personalização e recomendações muito melhores, ou incorporar uma pesquisa mais inteligente, uma interface de voz ou assistência inteligente, ou melhorar seu aplicativo de várias outras maneiras. Você pode até criar aplicativos que ver, ouvir e reagir.

 

 

Qual linguagem de programação você deve aprender a mergulhar nas profundezas da IA? Você desejará um idioma com muitas boas bibliotecas de aprendizado de máquina e aprendizagem profunda, é claro. Ele também deve apresentar bom desempenho em tempo de execução, bom suporte a ferramentas, uma grande comunidade de programadores e um ecossistema saudável de pacotes de suporte. Isso ainda deixa muitas boas opções.

 

 

Aqui estão minhas escolhas para as cinco melhores linguagens de programação para desenvolvimento de IA, junto com três menções honrosas. Algumas dessas línguas estão em ascensão, enquanto outras parecem estar escorregando. Volte em alguns meses, e você pode achar que esses rankings mudaram.

 

1. Python

No número um, é o Python. Como poderia ser qualquer outra coisa, realmente? Embora existam coisas enlouquecedoras sobre o Python - o espaço em branco, a divisão massiva entre o Python 2.xe o Python 3.x, os cinco sistemas de empacotamento diferentes que são todos quebrados de maneiras diferentes - se você está fazendo um trabalho de IA, quase certamente estar usando o Python em algum momento.

 

As bibliotecas disponíveis no Python são praticamente inigualáveis em outros idiomas. O NumPy se tornou tão onipresente que é quase uma API padrão para operações de tensor, e o Pandas traz os poderosos e flexíveis quadros de dados do R para o Python. Para o processamento de linguagem natural (PNL), você tem o venerável NLTK e o incrivelmente rápido SpaCy. Para aprendizado de máquina, existe o Scikit-learn testado em batalha. E quando se trata de aprendizagem profunda, todas as bibliotecas atuais (TensorFlow, PyTorch, Chainer, Apache MXNet, Theano, etc.) são efetivamente projetos em Python.

 

Se você está lendo uma pesquisa de aprendizado profundo de ponta sobre o arXiv, então certamente encontrará o código-fonte em Python. Depois, há as outras partes do ecossistema do Python. Embora o IPython tenha se tornado o Jupyter Notebook e menos centrado no Python, você ainda descobrirá que a maioria dos usuários do Jupyter Notebook e a maioria dos notebooks compartilhados on-line usam o Python.

 

Não há como fugir disso. O Python é a linguagem na vanguarda da pesquisa de IA, aquela em que você encontrará a maioria das estruturas de aprendizado de máquina e aprendizagem profunda, e a que quase todo mundo no mundo da IA fala. Por esses motivos, o Python é o primeiro entre as linguagens de programação de IA, apesar do fato de que seu autor amaldiçoa os problemas de espaço em branco pelo menos uma vez por dia.

2. Java e amigos

A família de linguagens JVM (Java, Scala, Kotlin, Clojure, etc.) também é uma ótima opção para o desenvolvimento de aplicativos de IA. Você tem diversas bibliotecas disponíveis para todas as partes do pipeline, seja o processamento de linguagem natural (CoreNLP), operações de tensor (ND4J) ou uma pilha de aprendizado profundo acelerada por GPU (DL4J). Além disso, você obtém acesso fácil a plataformas de Big Data, como o Apache Spark e o Apache Hadoop.

 

Java é a língua franca da maioria das empresas e, com as novas construções de linguagem disponíveis no Java 8 e no Java 9, escrever código Java não é a experiência odiosa que muitos de nós lembramos. Escrever um aplicativo de AI em Java pode parecer um pouco chato, mas ele pode fazer o trabalho - e você pode usar toda a sua infraestrutura Java existente para desenvolvimento, implantação e monitoramento.

 

3. C / C ++

É improvável que C / C ++ seja sua primeira escolha ao desenvolver um aplicativo de AI, mas se você estiver trabalhando em um ambiente integrado e não puder arcar com a sobrecarga de um Java Virtual Machine ou um interpretador Python, C / C ++ é o responda. Quando você precisa torcer todo o desempenho do sistema, então você precisa voltar para o aterrorizante mundo dos ponteiros.

 

Felizmente, o C / C ++ moderno pode ser agradável de escrever (honesto!). Você tem uma escolha de abordagens. Você pode mergulhar na parte inferior da pilha, usando bibliotecas como CUDA para escrever seu próprio código que roda diretamente em sua GPU, ou você pode usar o TensorFlow ou o Caffe para obter acesso a APIs flexíveis de alto nível. O último também permite que você importe modelos que seus cientistas de dados possam ter construído com o Python e, em seguida, os execute na produção com toda a velocidade que o C / C ++ oferece.

 

Fique atento ao que Rust faz neste espaço no ano que está por vir. Combinando a velocidade do C / C ++ com o tipo e segurança de dados, o Rust é uma ótima opção para alcançar o desempenho de produção sem criar dores de cabeça de segurança. E uma ligação TensorFlow já está disponível para ela.

 

4. JavaScript

JavaScript? O que diabos está acontecendo? Bem, o Google lançou recentemente o TensorFlow.js, uma biblioteca acelerada por WebGL que permite treinar e executar modelos de aprendizado de máquina em seu navegador da web. Também inclui a API Keras e a capacidade de carregar e usar modelos que foram treinados em TensorFlow regular. É provável que isso atraia um influxo massivo de desenvolvedores para o espaço da IA. Embora o JavaScript não tenha atualmente o mesmo acesso a bibliotecas de aprendizado de máquina das outras linguagens listadas aqui, os desenvolvedores logo adicionarão redes neurais a suas páginas da Web com a mesma indiferença que adicionam um componente React ou uma propriedade CSS. Simultaneamente fortalecedor e aterrorizante.

 

TensorFlow.js ainda está em seus primeiros dias. No momento, ele funciona no navegador, mas não no Node.js. Ele ainda não implementa a API completa do TensorFlow. No entanto, espero que ambos os problemas sejam resolvidos em grande parte até o final de 2018 e a invasão de AI do JavaScript ocorrerá logo em seguida.

 

5. R

O R aparece no fundo dos nossos cinco primeiros e está tendendo para baixo. R é a linguagem que os cientistas de dados adoram. No entanto, outros programadores acham R um pouco confuso quando o encontram pela primeira vez, devido à sua abordagem centrada no dataframe. Se você tem um grupo dedicado de desenvolvedores de R, então pode fazer sentido usar as integrações com TensorFlow, Keras ou H2O para pesquisa, prototipagem e experimentação, mas hesito em recomendar R para uso em produção.

 

 

 

Outras opções de programação de AI

É claro que Python, Java, C / C ++, JavaScript e R não são os únicos idiomas disponíveis para programação de IA. Vejamos três linguagens de programação que não chegaram ao nosso top cinco - duas em ascensão e uma em queda.

 

 

Fonte:

É necessário se cadastrar para acessar o conteúdo.

• Entre
• ou
• Cadastre-se

[Ártemis chan 1.650]

Cade o AutoHotkey nessa lista? u.u

Estou começando no Javascript, é difícil um pouco, mas é bem interessante.