想接觸AI產業,八個你一定要學習Python的理由!(上)

- 6月 24, 2019

現在就讓我娓娓道來Python和AI人工智慧的緊密關係!八種原因一一解釋給你聽,你就知道它們真的缺一不可啊!

前情提要：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 更表示： 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)。你知道 Python 為何能在眾多語言中脫穎而出，而成為 AI人工智慧領域的新寵嗎？，今天整理了以下八點來說服你：

原因一、取之不盡的大量的現成函式庫

Python 是 AI 領域中，最多人使用的程式語言。主要原因之一，是因為它有大量的資料庫，讓用戶可自由套用、執行、操作各式功能。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布，包含預先編寫好的程式片段，讓 AI 開發人員不需要從頭開始編寫程式。
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。以下幫你列出在AI人工智慧與機器學習領域中，常用的函式庫：

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

在 AI人工智慧的領域工作，意味著你需要以最方便有效的方式處理大量的數據。Python 的低門檻，讓工程師們不會浪費太多時間在學習上，快速上手，並使用它進行 AI人工智慧開發。Python 程式語法如日常英語般親民，透過 Python，你可以輕鬆地使用複雜的系統，元素間的關係也能一目了然。如以下程式碼所示：

（這段程式碼是要辨識：所輸入的數字是否為主要的數字）

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")

搜尋此網誌

娶了UI設計師的Python工程師-北歐生活