五位专家跟你讲讲为啥Python更适合做AI/机械进修_措辞_机械

2025-01-12 05:37:54 云服务

1.Python网络编程框架Twisted的创始人Glyph Lefkowitz（glyph）：

五位专家跟你讲讲为啥Python更适合做AI/机械进修_措辞_机械云服务

编程是一项社走运动——Python社区已经认识到了这一点！

人工智能是一个全面的技能术语，常日意味着当前打算机科学研究中最前辈的领域。

有一段韶光，我们天经地义的认为基本图遍历是AI。
那时候，Lisp是人工智能的专属措辞，仅仅是由于研究职员更随意马虎用它来做快速原型。
我认为Python已经在很大程度上取代了它，由于除了类似的高层次功能之外，它还拥有出色的第三方库生态库和框架以及操作系统举动步伐的完美集成。

Lispers可能会反对我的意见，以是我该当说清楚，我没有对Python在运用层次中的位置做出精确的陈述，只是说Python和Lisp都处于相同的措辞种别中，像内存安全、模块、名称空间和高等数据构造。

在更详细的机器学习意义上，这是人们最近说的关于AI的最多的领域，我认为还有更详细的答案。
NumPy及其相应的生态系统的存在使得研究职员可以对高等别内容进行研究，并进行高性能的数字处理。
如果不是有非常强的数字处理需求，机器学习是没有任何意义的。

Python社区致力于为非程序员供应友好的先容和生态系统支持，这确实增加了其在数据科学和打算科学的运用。
无数的统计事情职员、天文学家、生物学家和商业剖析师已经成为Python程序员，并且他们对自己的工具也做了些许的改进。
编程基本上成为了一种社走运动，Python社区比JavaScript以外的任何其他措辞都承认这一点。

机器学习是一个特殊集成度很高的学科，由于任何AI/机器学习系统都须要从现实天下中提取大量数据作为演习数据或系统输入，因此Python的框架库生态系统意味着它常日可以很好地访问和转换数据。

2.PSF联合创始人兼eGenix首席实行官Marc-Andre Lemburg（@malemburg）

Python许可用户关注真正的问题

对付没有受过打算机科学培训的科学家来说，Python非常随意马虎理解。
当你考试测验驱动你须要实行研究的外部库时，它可以帮助你肃清许多必须处理的事变。

在Numeric（现在是NumPy）开始开拓之后，增加了IPython条记本（现在是Jupyter条记本）、matplotlib和许多其他工具以使事情更加直不雅观，Python让科学家紧张考虑办理问题的方法，而不是去考虑那么多推动这些办理方案所需的技能。

与其他领域一样，Python是一种空想的集成措辞，它将技能轻松绑定在一起。
Python许可用户关注真正的问题，而不是花韶光在实现细节上。
除了为用户供应更方便的功能之外，Python还可以作为开拓与外部库进行低级集成的空想平台。
这紧张是由于Python可以供应一个非常完全的API访问。

3.研究职员和Python机器学习的作者Sebastian Raschka（@rasbt）：

对付数学和面向数据的人来说，Python非常随意马虎利用。

我认为Python更适宜做AI有两个紧张缘故原由。
第一个缘故原由是Python非常随意马虎理解和学习。

我认为大多数从事机器学习和人工智能的职员都希望以最快捷的办法实现自己的想法。
人工智能的重点是研究和运用程序，编程只是一个让你到达那里的工具。
对付须要更多的数学和以数据为导向的人来说，编程措辞学习起来越舒畅，进入壁垒越低。
Python也是非常随意马虎理解的，这有助于保持最新的机器学习和AI的现状，例如，阅读算法的代码实现时。
考试测验人工智能和机器学习的新思路每每须要实现相对繁芜的算法，措辞越大略，调试就越随意马虎。

第二个紧张缘故原由是，虽然Python本身便是一种非常易于访问的措辞，但我们在其之上有很多精良的库，这使得我们的事情变得更随意马虎。
没有人乐意花韶光从头开始重新实现基本算法（除了研究机器学习和人工智能）。
大量已经存在的Python库帮助我们专注于更令人愉快的事情。

Python也可以用于处理高效的C/C ++算法和CUDA/cuDNN实现的精良包装措辞，这便是为什么现有的机器学习和深度学习库在Python中高效运行的缘故原由。
这对付机器学习和AI领域的事情是非常主要的。

总而言之，我会说Python是一种伟大的措辞，它可以让研究职员和从业者专注于机器学习和AI，并且比其他措辞更少分心。

4.ThoughtWorks的技能卖力人Luciano Ramalho（@ramalhoorg）：

Python对科学打算有吸引力。

最主要和最直接的缘故原由是NumPy和SciPy库支持scikit-learn这样的项目，由于它目前险些是所有机器学习任务的标准工具。

创建NumPy，SciPy，scikit-learn和其他许多库的缘故原由是由于Python有一些功能使其对科学打算非常有吸引力。
Python有其大略而同等的语法，可以让软件工程师以外的人更易于利用编程。

另一个缘故原由是运算符重载，它使代码可读和简洁。
然后便是Python的缓冲协议（PEP 3118），这是外部库在处理类似数组的数据构造时与Python高效互操作的标准。
末了，Python为科学打算供应了丰富的库生态系统，吸引了更多的科学家并创造了良性循环。

5.Mike Bayer，Red Hat的高等软件工程师和SQLAlchemy的创建者：

Python是严格和高度同等性的。

我们正在Python这个领域中开拓我们的库。
我们将有一定希望保留和优化的算法放入一个库中，如scikit-learn。
然后我们连续迭代并分享关于我们如何组织和思考数据的条记。

高等脚本措辞非常适宜人工智能和机器学习，由于我们可以快速移动并重试。
我们创建的大部分代码代表的是实际的数学和数据构造，而不是模板。