Джиззакский филиал национального университета узбекистана имени мирзо улугбека. Кафедра компьютерных наук и програмирования

Питон

– Очень фрагментированный, но всеобъемлющий стек научных вычислений – Панды, scikit.learn, numpy, scipy, ipython и matplotlib-мои наиболее используемые научные вычислительные библиотеки – IPython notebook делает хороший интерактивный инструмент анализа данных – Все преимущества языка программирования общего назначения – К сожалению, медленно, если вы не перейдете на C – Часть стека научных вычислений все еще застряла в Python 2.7 – Очень хорошо подходит для проблем, которые не являются простой матрицей функций, между такими инструментами, как pandas и nltk – Невероятная экосистема с открытым исходным кодом

R

– Как правило, если он оказывается интересным для статистиков, он был реализован в R – Высококачественных библиотеках с хорошим акцентом на модульное тестирование – Хороший интерактивный инструмент анализа данных с помощью таких вещей, как RStudio – Язык в целом медленный и требует много памяти-Сам язык вызывает у меня желание выколоть себе глаза – Процесс предоставления библиотек является излишне ручным и, как правило, занозой в заднице – Невероятный рост Python – Рекомендация для прикрепленных блогов
Python-самый популярный язык в области искусственного интеллекта.
Почему? Потому что –
Python поставляется с огромным количеством библиотек. Многие библиотеки предназначены для искусственного интеллекта и машинного обучения. Некоторые из библиотек-Tensorflow (библиотека нейронных сетей высокого уровня), scikit-learn (для интеллектуального анализа данных, анализа данных и машинного обучения), pylearn2 (более гибкая, чем scikit-learn) и т. Д. Список продолжается и никогда не заканчивается.
Для других языков студентам и исследователям необходимо познакомиться с языком, прежде чем переходить на ML или AI с этим языком. Это не относится к python. Даже программист с очень базовыми знаниями может легко справиться с python.
Кроме того, время, которое кто-то тратит на написание и отладку кода на python, намного меньше по сравнению с C, C++ или Java. Это именно то, чего хотят студенты ИИ и мл. Они не хотят тратить время на отладку кода для синтаксических ошибок, они хотят тратить больше времени на свои алгоритмы и эвристику, связанные с ИИ и ML. Не только библиотеки, но и их учебные пособия, обработка интерфейсов легко доступны в Интернете. Люди создают свои собственные библиотеки и загружают их на GitHub или в другое место для использования другими
Python имеет солидные претензии на то, чтобы быть самым быстрорастущим основным языком программирования . Рекомендуется проверить новаторскую статистику по невероятному росту python и почему python растет так быстро из-за переполнения стека.