Nilalaman
- Python
- R
- Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
- JavaScript
- C ++
- Java
- Konklusyon
Pinagmulan: Elnur / Dreamstime.com
Takeaway:
Habang mayroong maraming mga wika sa programming na gumagana lalo na para sa pag-aaral ng makina, ang bawat isa sa kanila ay may natatanging pakinabang at kawalan.
Ang pagkatuto ng makina ay tinukoy ni Andrew Ng, isang siyentipiko sa computer sa Stanford University, bilang "ang agham ng pagkuha ng mga computer na kumilos nang hindi malinaw na na-program." Una itong nilihi noong 1950s, ngunit nakaranas ng limitadong pag-unlad hanggang sa paligid ng ika-21 siglo. Simula noon, ang pag-aaral ng makina ay isang puwersa sa pagmamaneho sa likod ng isang bilang ng mga makabagong ideya, higit sa lahat kilalang artipisyal na katalinuhan.
Ang pag-aaral ng makina ay maaaring masira sa maraming mga kategorya, kabilang ang pinangangasiwaan, hindi sinusuportahan, semi-supervised at pampalakas na pagkatuto. Habang ang pinangangasiwaang pag-aaral ay nakasalalay sa data ng naka-label na may marka upang maibahagi ang mga kaugnayan nito sa mga resulta ng output, ang mga hindi sinusubaybayan na pag-aaral ay nakakita ng mga pattern sa mga hindi pinakitang data ng pag-input. Ang pag-aaral na pinamamahalaan ng semi ay gumagamit ng isang kumbinasyon ng parehong mga pamamaraan, at ang pag-aaral ng pampalakas ay nagtutulak sa mga programa na ulitin o ipaliwanag sa mga proseso na may kanais-nais na mga kinalabasan habang iniiwasan ang mga pagkakamali. (Upang malaman ang tungkol sa kasaysayan ng programming, tingnan ang Programming ng Computer: Mula sa Wika ng Machine hanggang sa Artipisyal na Intelligence.)
Maraming iba't ibang mga industriya ay nakinabang mula sa pag-aaral ng makina, at mayroong pagtaas ng demand para sa mga produktong ML at mga serbisyo sa buong mundo. Ang mga negosyo ng lahat ng mga uri ay sinasamantala ang mga mahuhulaan na kakayahan nito, at naghahangad na bumuo ng mga paraan ng pag-aaral ng prescriptive machine upang makagawa ng mga pasyang desisyon. Maraming iba't ibang mga paraan para sa mga kumpanya na lapitan ang teknolohiyang ito, kasama ang maraming mga wika sa programming na nakatayo sa larangan.
Python
Binuo ng Python Foundation noong unang bahagi ng 1990s, ang Python ay isang mataas na antas ng wika ng programming na maraming iba't ibang mga gamit, kasama ang agham ng data at pag-unlad ng web sa likod. Bilang isang makapangyarihang tool sa pagsusuri ng data, malawakang ginagamit ito sa malaking teknolohiya ng data, at isang malakas na pamayanan ng mga developer ng machine learning ang nakatulong sa pagtaas ng katayuan nito sa larangan ng burgeoning ng artipisyal na katalinuhan.
Dahil sa masiglang komunidad na ito, mayroon nang maraming mga pre-built na aklatan para sa pag-aaral ng makina sa Python. At ang Python ay platform agnostic, nangangahulugang ito ay madaling iakma sa halos anumang operating system. Bukas din itong mapagkukunan, na ginagawang napaka-access sa pangkalahatang publiko.
Ang Python ay isang dinamikong nai-type na wika, na maaaring lumikha ng mga problema sa mga kapaligiran sa pag-aaral ng machine. Para sa isa, ang mga pagkakamali ay maaaring maging mahirap subaybayan habang lumalaki ang programa at mas kumplikado. Maaari itong lumikha ng mga mamahaling disbentaha at mabagal din ang pagganap.
R
Binuo din noong unang bahagi ng 1990s, ang R ay bahagi ng proyekto ng GNU. Malawakang ginagamit ito sa pagsusuri ng data, at karaniwang inilalapat sa mga karaniwang gawain sa pagkatuto ng makina tulad ng pagreresulta, pag-uuri at pagbuo ng punong kahoy. Ito ay isang napakapopular na wika ng programming sa mga istatistika.
Ang R ay bukas din na mapagkukunan at malawak na kilala para sa pagiging medyo madaling i-install, i-configure at gamitin. Ito ay platform agnostiko at isinama nang maayos sa iba pang mga wika sa programming. Kasabay ng pagsusuri ng data, ang R ay partikular na malakas na kakayahan sa visualization ng data.
Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
Hindi mo maaaring mapabuti ang iyong mga kasanayan sa pag-programming kapag walang nagmamalasakit sa kalidad ng software.
Sa kabila ng medyo madaling pagsamahin sa iba pang mga tool, ang R ay may ilang natatanging mga quirks na maaaring gawin itong medyo nakalilito upang malaman, tulad ng mga hindi kinaugalian na mga istruktura ng data at pag-index (na nagsisimula sa 1 sa halip ng 0). Ito ay hindi gaanong tanyag kaysa sa Python at sa gayon ay walang magagamit na dokumentasyon na magagamit para sa mga aplikasyon ng pag-aaral ng machine. (Para sa higit pa sa dalawang wikang ito, tingnan ang The Debate sa pagitan ng R at Python.)
JavaScript
Binuo noong kalagitnaan ng 1990s bilang isang tool upang mapagbuti ang mga kasanayan sa pagbuo ng web, mula nang naging isa sa mga pinakatatanggap na ginagamit na wika sa larangan na iyon. Ito ay isang mataas na antas at dynamic na nai-type na wika na nababaluktot at multi-paradigma. Bagaman ang mga aplikasyon nito sa pag-aaral ng makina ay limitado, ang mga mataas na proyekto ng profile tulad ng Tensorflow.js ng Google ay batay sa JavaScript.
Ang isa sa mga pinakapangakong tampok ng JavaScript sa larangan ng pag-aaral ng machine ay ang pagbubukas nito ng mga pagkakataon para sa mga developer ng web at front-end, na higit na nakilala na ito at sa gayon ay may isang naa-access na punto ng pagpasok sa isang kung hindi man medyo malabo at mahirap na angkop na lugar.
Tulad ng umiiral na ngayon, gayunpaman, ang ekosistema para sa pag-aaral ng makina gamit ang JavaScript ay medyo hindi pa ganoon, kaya ang suporta para sa ganitong uri ng pag-unlad ay kasalukuyang limitado. Kulang din ito ng hanay ng pag-andar para sa agham ng data na ang mga wika tulad ng R at Python ay nakabuo na sa kanila.
C ++
Kabilang sa mga karaniwang wika ng programming ngayon, ang C ++ ay marahil ang pinakaluma. Binuo sa Bell Labs noong unang bahagi ng 1980s, ang C ++ ay lumabas sa pananaliksik ng doktor na hinahangad na mapalawak ang C wika. Pinapagana ng parehong mababa at mataas na antas ng kakayahan sa programming, C ++ ay nagbibigay-daan para sa isang mas mataas na antas ng kontrol at kahusayan kaysa sa iba pang mga wika ng programming sa machine learning cons.
Ang C ++ ay gumagana lalo na para sa mga application na masinsinang mapagkukunan, na bahagi ng kung ano ang gumagawa ng mahusay para sa pag-aaral ng makina. At bilang isang statically type na wika, maaari itong maisakatuparan ang mga gawain na medyo mataas ang bilis.
Gayunpaman, ang C ++ ay nangangailangan ng isang mahusay na deal ng kumplikadong code upang makabuo ng mga bagong aplikasyon, na maaaring labis na pag-ubos ng oras at maaaring maging sanhi ng isang kahirapan sa pagpapanatili. Maaari itong gawing mas madali para sa mga nagsisimula na lumikha ng mga error.
Java
Binuo ng Sun Microsystems noong kalagitnaan ng 1990s, ang Java ay orihinal na itinayo upang maging isang mataas na antas at object-oriented na wika ng programming na mukhang at pakiramdam na katulad ng C ++. Kasabay ng pagiging napaka-tanyag, ang Java ay maaaring magpatupad ng isang iba't ibang mga algorithm, na kung saan ay napaka-kapaki-pakinabang sa komunidad ng pag-aaral ng machine.
Ang Java ay itinuturing na isa sa mga pinaka-secure na mga wika sa programming, higit sa lahat dahil sa paggamit ng mga bytecode at mga sandbox. Ang Java ay namamahala sa labis na lakas ng C ++ habang ang pagtagumpayan sa mga isyu sa seguridad at pangkalahatang pagiging kumplikado.
Ngunit sa lahat ng mga pagpapabuti nito sa C ++, ang Java ay may reputasyon sa pagiging mas mabagal kaysa sa maraming iba pang mga wika sa programming. Bilang karagdagan, hanggang sa 2019, ipinatupad ng Java ang komersyal na paglilisensya para sa ilang mga aplikasyon sa negosyo, na maaaring magastos.
Konklusyon
Sa lahat ng mga wika sa programming na inilalapat sa pag-aaral ng makina, ang Python ay nananatiling pinakasikat. Gayunpaman, ang mga wika tulad ng JavaScript ay malamang na lumago sa katanyagan habang nagbabago ang tanawin sa paglipas ng panahon. At bagaman ang programming ng tao ay hindi kailanman mawawala (o hindi bababa sa anumang oras sa malapit na hinaharap), ang programming para sa pag-aaral ng makina ay malamang na maging mas nakatuon sa code sa darating na mga taon, dahil ang mga makina ay sinanay na code ang kanilang mga sarili.