Python

Python是当今机器学习中最盛行的编程措辞。

Python 是一种高等编程措辞，出身于上世纪九十年代，具有许多不同的用场。

包括数据科学演算和网页开拓，后广泛用于大数据和机器学习，在AI行业得到了压倒一切的地位。

Python在 AI 开拓的紧张特性是：

语法大略

生动的 Python 社区，现有的库相称成熟

险些适应任何操作系统

具有面向工具的范式

完备开源，对开拓职员无障碍。

用于 AI 开拓的 Python 框架：TensorFlow、Keras、Theano、Scikit-learn。

Lisp

Lisp措辞是由麻省理工学院（MIT）的 John McCarthy 团队于 1960 年开拓的。
该措辞广泛用于自然措辞、公式验证和人工智能等研究。
半个世纪以来，已经创建了大量的 LISP 措辞版本。

Lisp 的盛行是由于它许可利用相称大略的构造编写繁芜而优雅的系统。

Lisp 措辞的特色，在其编程环境中，编码上“数据”和“编码”并没有差异。
这使得在编写 Lisp 不仅可以操作“数据”也可以操作“编码”。
这种特性使 Lisp 成为人工智能编程的最佳措辞之一。

在Lisp措辞的最显著特点：

Lisp 是程序形式和数据形式的等价物，它许可将数据构做作为程序实行，将程序修正为数据。

递归用作掌握构造，而不是命令式措辞中的迭代（循环）。

它是处理符号信息的空想选择。

它可用于开拓高等原型并动态创建新工具。

常见的 Lisp 工具系统设计模式：

Lisp 是AI系统的最佳措辞，衍生出一些新的措辞，如：InterLisp、QLisp、CommonLisp。

框架：SabraOnTheHill、Weblocks、Clack。

R

R编程措辞涌如今20世纪90年代初，是GNU项目的一部分。
它广泛用于数据剖析，常日用于办理一样平常的 ML 问题，例如回归、分类和决策树形成。
与 Python 一样，R是开源措辞，易于安装、配置和利用。

统计学家最喜好R措辞做剖析和处理数据。

在 R 中创建用于进行预测的模型如下所示：

紧张上风：

R 可有效地处理大量数据（比 Python 好得多）。

它许可进行函数式编程/向量/打算和面向工具编程。

R 是独立的，并且可以与其他编程措辞很好地集成。

除了数据剖析，R 也可做数据可视化。

R措辞代码展示

用于 AI 开拓的 R 框架：MXNet、Keras、TensorFlow。

Prolog

Prolog是逻辑编程措辞的著名例子。
由 Alain Colmeroe 和 Philippe Roussell 于 1970 年推出。

Prolog是一种基于逆向规则的演绎推理技能，其阐明器根据逻辑规范不断地实行输出。
Prolog 措辞用于一样平常打算机科学，特殊在 AI 具有一定上风。

Prolog措辞特点：供应透明、优雅的语法和明确定义的语义。

Prolog 为办理人工智能问题做出了有趣而主要的贡献。
最主要的是声明式语义，一种直接在 AI 任务中表达关系的手段，以及内置的统一工具、匹配和搜索技能。

Prolog 的紧张优点：

Prolog 利用大略的语法和大略的语义。

它比 Pascal 或 C 等算法措辞强大得多。

Prolog 数据库（facts and rules）可以由程序本身或用户在运行时动态变动。

框架：SWI-Prolog、ProFL、Eclipse。

JavaScript

JavaScript (Flanagan, 2002) 最初由网景公司的 Brendan Eich 开拓。
它最初被称为 Mocha，后来更名为 LiveScript。
JavaScript 措辞的标准是由欧洲打算机制造商协会 (ECMA) 在 90 年代后期开拓的，称为 ECMA-262。
该标准也已被国际标准化组织批准为 ISO-16262。
1995 年底，网景 和 Sun Microsystems （甲骨文前身） 共同开拓了 LiveScript，成为 JavaScript。
JavaScript 从 1.0 版到 1.5 版有了很大的发展。
添加了许多新特性和功能。

JavaScript 是一种高等动态类型的措辞，具有灵巧性和多范式。
就近成熟的机器学习开拓库——是基于 JavaScript的谷歌的Tensorflow.js。
下图是用 Tensorflow 编写的代码示例：

紧张上风：

它具有通过 WebGL 加速的高打算性能，并且可以通过 GP 进一步增强。

JavaScript 以安全的开拓环境着称。

JavaScript 的开拓/性能/调试过程高效。

在Web网页中运用机器学习的话，JavaScript有明显上风。

框架：Apache、PowerLoom、Eye、Tweety。

C++

C++是当今利用的最古老的编程措辞。
它起源于 1980 年代初期的贝尔实验室，是一个旨在增强 C 措辞能力的研究项目。
同时兼具低级和高等编程措辞的能力，在人工智能和机器学习的背景下，C++供应了比其他编程措辞更高水平的掌握和效率。

该措辞的灵巧性非常适宜资源密集型的运用程序和机器学习程序的子集。
C++是一种静态类型措辞有利于提高实行的速率。

让我们看一个用 C++ 构建的线性回归模型：

紧张上风：

许可办理繁芜的人工智能问题。

拥有大量的库函数/编程工具。

遵照有助于实现有组织的数据的面向工具原则。

框架：TensorFlow、Boost、Microsoft Cognitive Toolkit、Caffe、Shark。

Java

Java于1990 年代中期推出，最初被认为是一种在构造上与 C++ 非常相似的高等和面向工具的编程措辞。
Java 因其广受欢迎而拥有广泛的算法，这些算法对机器学习软件开拓社区非常有用。
在很多方面，Java 被认为是最安全的编程措辞之一，由于它利用了字节码和沙箱。

它可以说是C++的成功表示，没有了后者的缺陷——代码库的安全性和编译繁芜性的问题。

Java 供应的最主要的好处是：

大略调试

大略易用

简化可扩展项目的事情

图形数据展示

利用方便

AI 的用场： Java 结合了 WORA 和面向工具的模式，因此非常适宜创建神经网络项目、开拓搜索算法。
利用 Java 构建 AI 办理方案是您可以采纳的最大略的方法。

框架：Spring、Hibernate、JSF、GWT、Blade。

Scala

Scala项目始于2001年洛桑联邦理工学院（EPFL）Scala Scala是一门多范式的编程措辞，一种类似java的编程措辞，设计初衷是实现可伸缩的措辞 、并集成面向工具编程和函数式编程的各种特性。

最好的 Scala 工具之一是它的编译器：这个工具可以为你找出类型。
它还在 Java 之上添加了几个新功能，为开拓职员供应更多功能。
Scala 中供应的功能示例：

字符串比较的改进

模式匹配

在类定义中包含函数的 mixin。

在 Scala 中，开拓职员可以利用 futures 和 promises 异步处理数据，这使得运用程序的并行化/分发变得随意马虎。

Scala 的紧张上风包括：

支持持久话数据构造

可以与Java堆栈结合利用

供应了一套简洁而安全的通用编程模式。

Scala 供应了强大的并发支持，有助于进行实时且并行的剖析项目。
适宜于统计学习和人工智能的大型项目

框架：Play、Scalatra、Pinky。

Julia

最近创建的Julia措辞是一种开放的动态编译措辞，紧张专注于科学和技能领域的性能打算。
Julia涌如今阐明性措辞如，Python、R、MATLAB之后。
Julia 措辞结合了 JIT 编译，同样可以做到交互性和快速性。
实际上，Julia程序的实行速率与C 程序的速率相称。
Julia 中的 JIT 编译仅在须要实行代码时实行，具有多次分派（意味着函数在运行时动态调用，取决于通报给它们的参数类型）。

Julia 险些继续了当代盛行措辞的所有特性：

常见的数字数据类型

任意精度值

丰富的数学函数

元组、字典、代码自省

内置包管理器

与其他措辞和库交互的能力。

很多的新特性，例如用于并行和分布式打算的高等工具。

Julia 为一样平常机器学习任务供应了现成的预演习模型。
看看个中一个：

只管 Julia 仍旧是一门相对年轻的措辞，但它成熟的生态系统令人惊叹。
Julia的开拓良好的软件包也值得你关注。

紧张上风：

大略易用的语法

JIT 编译

大量的专业包

快速做事

高性能。

因此，Julia 可以用于 AI 中很多方面，例如图像的剖析和处理、文本的分类和主题建模、统计模型的剖析。

框架：Genie、Bukdu、Merly。