从专业程度上分析Python和人工智能（AI） 它们如何相关？

Python和人工智能（AI） - 它们如何相关？

Python是当今开发人员使用的最流行的编程语言之一。Guido Van Rossum于1991年创建它，自成立以来，它一直是使用最广泛的语言之一，还有C ++，Java等。

在我们努力确定什么是AI和神经网络的最佳编程语言时，Python取得了很大的领先优势。

Python的特性和优势

Python是一种解释语言，在人类的术语中意味着它不需要在执行之前编译成机器语言指令，并且可以由开发人员直接用于运行程序。这使得它足够全面，可以让仿真器或虚拟机在本机机器语言之上解释语言，这是硬件理解的。

它是一种高级编程语言，可用于复杂的场景。高级语言处理变量，数组，对象，复杂算术或布尔表达式以及其他抽象计算机科学概念，以使其更加全面，从而以指数方式增加其可用性。

Python也是一种通用编程语言，这意味着它可以跨域和技术使用。

Python还具有动态类型系统和自动内存管理功能，支持各种编程范例，包括面向对象，命令式，功能和程序等等。

Python适用于所有操作系统，并且还有一个名为CPython的开源产品，该产品也广受欢迎。

现在让我们看一下如何为什么Python 对AI比其他流行的编程语言更具优势。

AI和Python：为什么？

为什么我们应该选择Python作为AI而不是其他？

Python提供的代码最少，实际上是其他OOP语言的1/5。这是它是当今市场上最受欢迎的产品之一。

• Python有预建库，如Numpy用于科学计算，Scipy用于高级计算，Pybrain用于机器学习（Python机器学习），使其成为AI的最佳语言之一。
• 世界各地的Python开发人员通过论坛和教程提供全面的支持和帮助，使编码人员的工作比任何其他流行语言更容易。
• Python是独立于平台的，因此是最灵活和最受欢迎的选择之一，适用于不同平台和技术，基本编码调整最少。
• Python是最灵活的，可以选择在OOP方法和脚本之间进行选择。您还可以使用IDE本身来检查大多数代码，对于正在努力使用不同算法的开发人员来说是一个福音。

将Python与AI一起解码

Python以及NumPy，scikit-learn，iPython Notebook和matplotlib等软件包构成了启动AI项目的基础。

NumPy用作通用数据的容器，包括N维数组对象，用于集成C / C ++代码的工具，傅里叶变换，随机数功能和其他功能。

另一个有用的库是pandas，一个开源库，为用户提供易于使用的数据结构和Python分析工具。

Matplotlib是另一项服务，它是一个2D绘图库，可以创建出版质量数据。您可以将matplotlib用于最多6个图形用户界面工具包，Web应用程序服务器和Python脚本。

下一步是探索k-means聚类，并收集有关决策树，连续数值预测，逻辑回归等的知识。

一些最常用的Python AI库是AIMA，pyDatalog，SimpleAI，EasyAi等。还有用于机器学习的Python库，如PyBrain，MDP，scikit，PyML。

让我们更详细地了解AI中的各种Python库以及为什么这种编程语言用于AI。

一般AI的Python库

• AIMA - 来自Russell和Norvig的“人工智能：现代方法”的算法的Python实现。
• pyDatalog - Python中的逻辑编程引擎
• SimpleAI - “人工智能，现代方法”一书中描述的许多人工智能算法的Python实现。它着重于提供易于使用，记录良好且经过测试的库。
• EasyAI - 简单的Python引擎，适用于带有AI的双人游戏（Negamax，换位表，解决游戏）。

机器语言Python（ML）

为什么Python用于机器学习以及它为此目的提供的各种库。

• PyBrain - 一种灵活，简单但有效的ML任务算法。它也是一个用于Python的模块化机器学习库，提供各种预定义环境来测试和比较算法。
• PyML - 用Python编写的双边框架，侧重于SVM和其他内核方法。它在Linux和Mac OS X上受支持。
• Scikit-learn - Scikit-learn是使用Python时进行数据分析的有效工具。它是开源和最流行的通用机器学习库。
• MDP-Toolkit - 另一个可以轻松扩展的Python数据处理框架，它还有一系列有监督和无监督的学习算法和其他数据处理单元，可以组合成数据处理序列和更复杂的前馈网络体系结构。新算法的实现简单直观。可用算法的基础正在稳步增长，包括信号处理方法（主成分分析，独立分量分析和慢特征分析），流形学习方法（[Hessian]局部线性嵌入），几种分类器，概率方法（因子分析，RBM） ），数据预处理方法等等。

用于自然语言和文本处理的Python库

• NLTK - 开源Python模块，语言数据和文档，用于自然语言处理和文本分析的研究和开发，包括Windows，Mac OSX和Linux的发行版。

Python比其他流行语言

现在让我们看看Python与其他计算机语言（如C ++和Java）所处的位置。

用于AI的Python与C ++

• 对于人工智能而言，Python是一种比C ++更流行的语言，并且在开发人员中投票率为57％。这是因为Python易于学习和实现。凭借其众多库，它们还可用于数据分析。
• 性能上C ++优于Python。这是因为C ++具有静态类型语言的优点，因此在运行时没有输入错误。C ++还可以创建更紧凑，更快的运行时代码。
• Python是一种动态（而非静态）语言，在协作时降低了复杂性，意味着您可以用更少的代码实现功能。与C ++不同，C ++所有重要的编译器都倾向于进行特定的优化并且可以是特定于平台的，所以Python代码可以在几乎任何平台上运行，而不会浪费时间在特定的配置上。
• 随着GPU加速计算的兴起，提供了并行性的能力，这导致了CUDA Python和cuDNN等库的创建，Python比C ++更具优势。这意味着越来越多的机器学习工作负载的实际计算被卸载到GPU - 结果是C ++可能具有的任何性能优势变得越来越无关紧要。
• Python在代码简单性方面胜过C ++，特别是在新开发人员中。C ++是一种较低级别的语言需要更多的经验和技能来掌握。
• Python的简单语法还允许更自然和直观的ETL（提取，转换，加载）过程，并且意味着与C ++相比，它更快地进行开发，允许开发人员在不必快速实现它们的情况下测试机器学习算法。

在C ++和Python之间，后者具有更多优势，更适合AI。凭借其简单的语法和可读性，促进了复杂机器学习算法的快速测试以及由Jupyter Notebooks和Google Colab等协作工具支持的蓬勃发展的社区，Python赢得了冠军。

 

如果您能看懂这篇文章，一定是有一定的编程基础的，本部已与浙大合作AI项目，如果您对进军AI（或希望通过学习转型AI），请私聊我

转载于:https://my.oschina.net/u/4130150/blog/3049260