AI進歩のための5つの最良プログラミング言語

人工知能（人工のBrainpower）アプリケーションデザイナーの機会の普遍を開きます。 AIや深遠な学習を利用することによって、あなたは遠くに優れたクライアントプロファイル、パーソナライズ、および提案を創造すること、またはより素晴らしい狩り、音声インターフェース、または賢明な助けを統合することができます。あなたが予想していない状況に対処し、聞き取り、そして対応するアプリケーションを形成することさえできます。

どのプログラミング言語で、AIの微細化方法を把握することができますか？あなたは明らかに数多くの素晴らしいAIと深遠な学習ライブラリを持つ言語が必要です。それは同様に、素晴らしいランタイムの実行、素晴らしい楽器のサポート、開発者の莫大な地域の地域、およびバンドルをサポートする音の生物学的システムをもとに含めるべきです。それは必需品の広範な暴走ですが、それでもまだ良い代替案がたくさんあります。

これは、2つの注目に値する通知と並んで、AIの進歩のための6つの最高のプログラミング方言のための私の選びをしています。これらの方言の一部は上昇していますが、他のものは滑ります。それでも他の人はおそらくあなたが念のために話されたことを考える必要があります。私たちはすべて積み重ねを積み重ねる方法を知覚しますか。

Python

ナンバーワン、そのまだPython。本当に何か他のものになる可能性はどうですか？ Pythonについての事態があるが、AIの仕事を達成する場合は、すばやく以降のPythonを利用するのではない可能性が高いです。さらに、不快なスポットの一部は少し平滑化されています。

2020年に向かうにつれて、Python 3.xとPython 3.xの問題は、Python 3.xのPython 3.xを支持しており、急いでPython 2.xのヘルプを落としているため、不安定になっています。全体として、あなたは最後にすべての新しい言語を搾取することができます。

そしてPythonsが幾分独特の方法で壊れている悪い夢を束縛することを念頭に置いて、あなたは極端に約95％の時間の約95％を活用することができます。いずれにせよ、Pythonの世界が最後の時にこの長い間問題を解決することができればそれは楽しいでしょう。

検討されたすべてのもの、Pythonでアクセス可能な数学および詳細ライブラリは、異なる方言で実質的に比類されません。 Numpyは非常に普遍的になっていますそれはテンソルタスクの標準APIだけであり、PandasはRSの信じられないほどのデータフレームをPythonにもたらします。通常の言語処理（NLP）には、復旧したNLTKと洗練されているスペースがあります。 AIのために、Scikit-Learnとの戦いがあります。より大きな学習に関して、現在のライブラリ全体（Tensorflow、Pytorch、Chainer、Apache Mxnet、Theanoなど）に関しては、適切にPython-First Guestakings。

Arxivに関する最先端の学習研究の様子を熟読していると仮定すると、Pythonのようなソースコードを提供する研究の大部分が発見されます。その後、その時点で、Python環境の異なる部分があります。 iPythonがJupyterノートブック、およびPython駆動源になっていますが、あれば、ほとんどのJupyterノートブッククライアント、およびWeb上で共有されたスクラッチパッドの大部分はPythonを使用します。モデルを送信することに関しては、MicroServiceの設計および進歩のアプローチ、例えばSeldon Coreは、今日の進行中のPythonモデルを伝えるのが非常に簡単であることを意味しています。

それを回避する方法はありません。 Pythonは、AI研究の最先端の言語であり、一人のAIと深刻な学習構造を追跡し、AIの世界のほぼすべての人が話しているのが協議します。したがって、Pythonは最初にAIプログラミング方言の中で、毎日の毎日の空白の問題を明らかにしています。

C ++

C ++は、AIアプリケーションを育成するときに最良の選択肢になるのはおそらくは、フレームワークからの実行のあらゆる桁の実行が必要な場合は、枠組みからより正常になることが判明した場合は、より正常な学習がエッジに進むという状況そして、あなたは資産義務のあるフレームワークでモデルを実行する必要があります。

幸いなことに、現在のC ++は作曲すること（純正！）を素敵にすることができます。あなたはいくつかのアプローチを持っています。 NVIDIAS CUDAのようなライブラリを使用して、GPUの上にある独自のコードを作成するか、または適応可能なレベルのAPIにアドミタンスを得るために、NVIDIAS CUDAのようなライブラリを使用して、スタックの下部にプランジを作ることができます。 PytorchとTensorflowの両方で、Python（またはPytorchs TorchScriptサブセットのPython）で作成されたモデルをスタックし、C ++ランタイムでそれらをまっすぐ実行して、適応性が開発されている間に作成のために覆われていない金属に近づく。

だから、C ++は、AIアプリケーションがすべてのガジェットに匹敵するすべてのガジェットを巨大なグループに倍増するため、C ++が隠しています。エッジでの人工知能は、より正確になるのに十分難しいことを意味します。あなたは許容可能ですばやく速くなければなりません。

Javaおよびその他のJVM方言

方言のJVMグループ（Java、Scala、Kotlin、Clojureなど）は、AIアプリケーションの進歩のための信じられないほどの決定であることを続けています。通常の言語処理（Corenlp）、テンソルアクティビティ（ND4J）、またはFull GPU Sped Up Profient Learning Stack（DL4J）にかかわらず、すべてのパイプラインにアクセス可能なライブラリの豊富なライブラリがあります。あなたはApache SparkとApache Hadoopなどの巨大な情報段階への簡単なアドミタンスを得ます。

Javaはほとんどのベンチャーの中で最も広く使われている言語で、新しい言語ビルドがJava 8以降のフォームでアクセス可能なビルドで、Javaコードを構成することは軽蔑的な米国の想像のかなりの経験をしていません。 JavaでAIアプリケーションを作成することは、タッチ排出を感じるかもしれませんが、それはビジネスの世話をすることができ、あなたの現在のJavaフレームワークをすべての進歩、組織、および観察のために利用することができます。

JavaScript

あなたのyoureは、AIアプリケーションを作成するための排他的にJavaScriptを習得するつもりはありませんが、Googles Tensorflow.jsは、あなたのプログラムやTensorflowモデルをあなたのプログラムまたはNode.jsを介してGPU-SpedのためにWebGLを利用して魅力的な方法を改善して提供します。アップ計算

それにもかかわらず、Tensorflow.jsの発送以来、実際に見たことのあるものは、AIスペースにフラッディングしているJavaScriptエンジニアの途方もない洪水です。私は、Pythonのような方言とは対照的に、アクセス可能なライブラリのプロフィュートを持たないという包括的なJavaScriptの生物学的システムのためであるかもしれないと思います。

さらに、作業者側では、Pythonの選択肢の1つではなくNode.jsを使用してモデルを搬送することには実際には非常に少しの利点がありませんので、JavaScriptベースのAIアプリケーションは主にプログラムのままになっています。しかし、それは実際には絵文字捕捉剤狩りのみの娯楽のための興味をそそるオープンドアをたくさん設定します。

swift

テンソルフローのための迅速です。完全に構成された、Sans Cruftは、Tensorflowのクラスのハイライトで最高のクラスのハイライトを制限し、どんな場合でもPythonを利用していたのですが、Pythonライブラリを輸入することを可能にするDim Wizardry。

FASTAIグループは、周知のライブラリの迅速な形式でチッピングしており、多大なテンソルスマートをLLVMコンパイラに移動させてモデルを作成および実行することで、追加の進歩を保証されていました。現時点で作成されていますか？実際には、しかし確かに深刻な学習改善の上の年齢に向かう道を確実に向けるかもしれないので、あなたはswiftで新しく新しいものを調べるべきです。

R言語

rは私たちのランダウンの下部に入ってきて、その減少。 Rは情報研究者が愛する言語です。それにもかかわらず、さまざまなソフトウェアエンジニアは、そのデータフレーム駆動の方法論のために、定期的にrやや悪化するRを発見しています。 ReageNersの献身的な集まりがある可能性がありますが、研究、プロトタイピング、および実験のためにTensorflow、Keras、またはH2Oを使用した組み込みを利用することができますが、創造の使用のためにRを提案するかどうか疑問に思うことができます。熟練点の改善のために、実行と機能的な懸念のためです。作成作業者に伝えることができるPerformant Rコードを作成することはできますが、そのRモデルを取得し、それをJavaまたはPythonで再記録することがより簡単ではないでしょう。