您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如果要学习人工智能的编程，现在有什么语言和好方法？

人工智能,机器,语言如果要学习人工智能的编程，现在有什么语言和好方法？

发布时间：2016-12-08加入收藏来源：互联网点击：

如果要学习人工智能的编程，现在有什么语言和好方法？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

现在人工智能可以说是非常的火热，很多同学也想学习。但是刚开始时候总是会觉得比较迷茫，不知道如何开始学，也担心人工智能太难，自己可能学不会。其实不用太担心，因为人工智能入门其实并不难。这篇文章对如何去学习人工智能，给出一些建议。

学习AI的大致步骤：

（1）了解人工智能的一些背景知识；

（2）补充数学或编程知识；

（3）熟悉机器学习工具库；

（4）系统的学习AI知识；

（5）动手去做一些AI应用；

1 了解人工智能的背景知识

人工智能里面的概念很多，比如机器学习、深度学习、神经网络等等，使得初学者觉得人工智能很神秘，难以理解。刚开始学习的时候，知道这些名词大致的意思就行了，不用太深究，学习过一段时间自然也就清楚这些概念具体代表什么了。

人工智能是交叉学科，其中数学和计算机编程是学习人工智能最重要的两个方面。这些在“知云AI专栏”之前的文章“认识人工智能”，也为大家介绍过，没阅读过的同学可以去看一下。

下图为人工智能学习的一般路线：

2 补充数学或编程知识

对于已经毕业的工程师来说，在系统学习AI之前，一般要补充一些数学或者编程方面的知识。如果你的数学和编程比较好，那么学习人工智能会轻松很多。

很多同学一提到数学就害怕，不过，学习人工智能，数学可以说是绕不过去的。在入门的阶段并不需要太高深的数学，主要是高等数学、线性代数和概率论，也就是说，大一大二学的数学知识已经是完全够用了。如果想要从事机器学习工程师的工作，或者搞人工智能的研究，那么应该多去学习数学知识，数学好将会是工作中的一大优势。

Python是在机器学习领域非常受欢迎，可以说是使用最多的一门编程语言，因此Python编程也是需要掌握的。在众多的编程语言中，Python是比较容易学习和使用的编程语言，学好Python也会受益很多。

3 熟悉机器学习工具库

现在人们实现人工智能，主要是基于一些机器学习的工具库的，比如TensorFlow、PyTorch等等。

在这里推荐大家学习PyTorch。PyTorch非常的受欢迎，是容易使用的机器学习工具库，有人这样评价PyTorch“也说不出来怎么好，但是使用起来就是很舒服”。

刚开始学习人工智能的时候，可以先运行一下工具库官网的示例，比如MNIST手写体识别等。这样会对人工智能有一个感性的认识，消除最初的陌生感。然后可以看看里面的代码，你会发现，其实神经网络的程序并不复杂，但是会对神经网络的原理和训练有很多的疑问。这是一件好事，因为带着问题去学习，会更有成效。

4 系统的学习人工智能

这里的人工智能主要指机器学习，因为目前人工智能主要是通过机器学习的方式来实现的。

机器学习知识主要有三大块：

（1）传统机器学习算法，比如决策树、随机森林、SVM等，这些称作是传统机器学习算法，是相对于深度学习而言的。

（2）深度学习，指的就是深度神经网络，可以说是目前最重要最核心的人工智能知识。

（3）强化学习，源于控制论，有时候也翻译成增强学习。深度学习可以和强化学习相结合使用，形成深度强化学习。

在这里需要知道的是深度学习并不难学，对于一些工科的研究生，一般只需要几周就可以上手，并可以训练一些实际应用中的神经网络。但是想要对深入学习有深入理解不是容易的事情，一般需要几个月的时间。

传统机器学习算法的种类非常多，有些算法会有非常多的数学公式，比如SVM等。这些算法并不好学，因此可以先学习深度学习，然后再慢慢的补充这些传统算法。

强化学习是比较有难度的，一般需要持续学习两三个月，才能有所领悟。

5 动手去做一些AI应用

学习过几周的深度学习之后，就可以动手尝试去做一些AI应用了，比如图像识别，风格迁移，文本诗词生成等等。边实践边学习效果会好很多，也会逐渐的加深对神经网络的理解。

下图是人工智能进阶的过程：

对于一些还在学校读书的同学，时间比较多，可以多去学习各学科的知识。有足够的知识积累，对于以后的发展是非常有好处的。

回答于 2019-09-11 08:43:50

Python

这两年风光无限好，不仅可以用来做软件服务，系统管理，还可以做数据分析和商业智能，但是发现没有，只是因为他的库多且容易入门使用而已，抛开这些，其他Python是上不了台面的，就像狗肉上不了酒席一样，目前稍微有点规模的企业应用，其开始考虑的技术栈中不会有Python，最多只是用Python来做些辅助功能。

仔细观察，你会发现Python生态的繁盛主要是它容易入门，容易使用，相对的学习时间和成本比其他语言低太多，但是要真正掌握和熟练使用它的精髓，其实是不容易的，说句实在话，如果你非常熟练之后你会发现这种胶水动态类型的脚本语言要定制一个特殊库功能的话我也比那些静态编译型语言更加繁琐，写起来也会漏洞百出。

个人还是推荐Java，C＋＋等传统语言，如果基于这些语言实现的数据分析库，人工智能库越来越多，越来越容易使用的话，那就没其他胶水语言什么事了

个人判断未来里面python热度会降低，至少不会像现在这种热炒的局面

回答于 2019-09-11 08:43:50

1. PYTHON第一名毫无疑问是 Python。尽管 Python 有些特性令人不爽（whitespace、Python 2.x 和 Python 3.x 之间的巨大差异、五种不同的包机制都在不同程度上有缺陷）但如果你正在从事 AI 工作，你几乎肯定会在某些时候用到 Python。

Python 中可用库的数量是其他语言所无法企及的。NumPy 已经变得如此普遍，以至于几乎成为了张量运算的标准 API，Pandas 将 R 的强大而灵活的数据帧带入 Python。对于自然语言处理（NLP），您可以使用久负盛名的 NLTK 和快如闪电的 SpaCy。对于机器学习，有经过实战检验的 Scikit-learn。当谈到深度学习时，当前所有的库（TensorFlow，PyTorch，Chainer，Apache MXNet，Theano等）都是在 Python 上首先实现的项目。

 1/2    1 2 下一页 尾页