還不知道為甚麼Python火紅嗎?今天就一次用八個理由讓你信服!!
隨著各行各業越來越廣泛地應用人工智慧與機器學習,大公司開始在其相關領域進行投資,使得 AI人工智慧與 機器學習的人才需求增多。來自 IBM 機器學習部門的 Jean Francois Puget 就表示 Python 是 AI 和 ML最流行的語言。根據 Francois Puget 所繪出的圖表如下,自 2015 年起,Python 已成為 AI人工智慧與機器學習的御用程式語言 (類似內容:2018年度AI人工智慧公司Top10排行榜)。為何 Python 能在眾多語言中脫穎而出,成為 AI人工智慧領域的新寵,原因整理如下八點:
原因一、取之不盡的大量的現成函式庫
- Keras - 深度學習。它允許快速計算和原型設計,因為它除了使用計算機的CPU之外還使用GPU。
- TensorFlow - 透過建立、訓練和使用大量數據集的人工神經網絡,來進行深度學習。
- Matplotlib - 用於創建2D圖,直方圖,圖表等資訊視覺化。
- NLTK - 用於計算語言學,自然語言識別和處理。
- Scikit-image - 用於影像處理。
- PyBrain - 用於神經網絡、無監督學習、增強學習。
- Caffe - 用於深度學習,允許在 CPU 和 GPU 之間切換,並使用單個 NVIDIA K40 GPU,每天處理 60 多萬張圖像。
- StatsModels - 用於統計演算法和資料探勘。
原因二、Python 入手低門檻
test_number = 407 # our example is not a prime number
# prime numbers are greater than 1
if test_number > 1:
# check for factors
number_list = range(2, test_number)
for number in number_list:
number_of_parts = test_number // number
print(f"{test_number} is not a prime number")
print(f"{number} times {number_of_parts} is {test_number}")
break
else:
print(f"{test_number} is a prime number")
else:
print(f"{test_number} is not a prime number")
機器學習需要連續的數據處理,Python 的函式庫則可讓你取用、處理、轉換這些數據。以下列出 AI人工智慧與機器學習領域常用的函式庫:
(這段程式碼是要辨識:所輸入的數字是否為主要的數字)
如果你看得懂英文的話,就可以由上面所說的的程式碼的最後一行知道:如果所輸入的數字不是主要的數字,會出現什麼結果。
其他閱讀
留言列表