共计 4632 个字符，预计需要花费 12 分钟才能阅读完成。
本文探讨了适用于人工智能编程的顶尖编程语言，AI工程师及相关从业人员可以根据自身项目需求选择合适的语言。你会选择哪一种呢？
作者 | Claire D
译者 | 苏本如，责编 | 伍杏玲
头图 | 视觉中国
出品 | CSDN（ID：CSDNnews）
以下为译文：
人工智能如今已成为我们生活中不可或缺的一部分，它被广泛应用于数百个实际场景中，极大地方便了人们的工作与生活。
近年来，随着人工智能的快速发展，企业得益于底层编程语言的核心改进，得以蓬勃发展。
伴随着人工智能的日益普及以及编程语言的不断进步，市场对于高效且熟练的程序员和工程师的需求激增。尽管有多种编程语言可以帮助你轻松入门人工智能领域，但没有一种能够成为人工智能编程的“万能钥匙”，因为每种语言各有其独特性。不同的目的导致了对编程语言的不同需求。
接下来，我将列举一些最受欢迎的人工智能编程语言，大家一起来看看：
Python
Python是历史上最强大的编程语言。——Pau Dubois
Python于1991年问世。根据一项调查，超过57%的开发人员更倾向于选择Python，而非C++来开发人工智能解决方案。Python的学习曲线相对平缓，为程序员和数据科学家们提供了进入人工智能开发领域的良好途径。
Python是一场关于程序员自由度的实验。过多的自由可能导致代码难以理解；而过少的自由则可能抑制语言的表现力。——Guido van Rossum
采用Python编程，你不仅能享受到强大的社区支持和丰富的库资源，还能体验到这门语言的灵活性。Python的一些显著特性包括：跨平台性以及可应用于深度学习和机器学习的众多框架。
使用Python编程的乐趣在于能够看到简洁且易读的类，这些类通过清晰而简洁的代码（而非冗长无聊的琐碎代码）完成了许多复杂的操作。——Guido van Rossum
以下是Python代码的一个简短示例：
Python代码示例片段
以下是Python中一些最受欢迎的库：
- TensorFlow，专注于处理机器学习任务和数据集问题。
- scikit-learn，旨在训练机器学习模型。
- PyTorch，适用于计算机视觉和自然语言处理。
- Keras，提供高度复杂的数学计算和操作的代码接口。 最受欢迎的机器学习库与编程语言课程
- SparkMLlib，这是一款与Apache Spark相似的机器学习库，凭借其算法和实用工具的集合，让机器学习变得更加简单易行。
- MXNet，作为Apache旗下的另一款库，旨在简化深度学习的工作流程。
- Theano，专注于定义、优化和评估数学表达式的库。
- Pybrain，提供强大的机器学习算法支持。
- 三个适合初学者的免费Python课程：2020版
- 链接
- Python训练营：专注于学习Python语言和编码的培训课程
- 链接
- TensorFlow
- Deep Java Library
- Kubeflow
- OpenNLP
- Java机器学习库
- Neuroph
- 五个最佳在线Java编程课程，专为初学者设计
- 链接
- R语言在处理大规模数据时表现出色，相较于Python的NumPy包，它的性能更为优越。
- 使用R语言时，开发者可以选择多种编程模式，包括函数式编程、矢量计算和面向对象编程。
- Gmodels：提供多种模型拟合工具的集合。
- Tm：为文本挖掘应用提供框架。
- RODBC：R语言的ODBC接口。
- OneR：实现One Rule机器学习分类算法，适用于构建机器学习模型。
- 丰富的库和包，用于功能扩展。
- 活跃的社区支持。
- 能够与C、C++与FORTRAN等语言协同工作。
- 多个软件包提供的功能扩展。
- 生成高质量图形的能力。
- Facts（事实）：定义真实的陈述。
- Rules（规则）：定义带有条件的陈述。
- Goals（目标）：确定依据知识库生成报告的位置。
- Queries（查询）：定义如何验证陈述的真实性，以及对事实和规则进行分析的方式。
- 符号方法：涵盖规则基础的专家系统、定理证明以及约束方法。
- 统计方法：涉及神经网络、数据挖掘和机器学习等领域。
- 迅速的原型开发
- 灵活的对象生成
- 自动垃圾回收机制
- 高度的灵活性
- 卓越的抽象能力
- 内建的内存管理系统
- 代码的重用性
- 容易理解的语法
- Philip Greenspun
- 流行的文本编辑器，例如Vim和Emacs。
- 综合开发环境，如Juno和Visual Studio。
- 动态类型系统
- 内置的包管理工具
- 支持并行和分布式计算能力
- 宏和元编程的灵活性
- 多种调度方式的支持
- 直接调用C语言函数的能力
分析GitHub的贡献数据后，我们发现Python已经超过Java，成为第二大最流行的编程语言。实际上，Stack Overflow也指出，它是“增长速度最快”的主流编程语言。
图片
为初学者推荐的Python课程：
在hackernoon.com上，您可以找到极好的免费Python课程，若想提升您的Python技能，欢迎访问。
这是Udemy上最全面、最直接的Python编程课程！
Java编程语言
一次编写，到处运行。
Java被誉为全球最佳编程语言之一，这一观点在过去20年中的广泛使用中得到了验证。
Java语言以其友好的用户体验、灵活性及与平台的独立性，已在人工智能开发中发挥了重要作用。以下是一些具体的例子：
TensorFlow支持的编程语言中包含带有API的Java，尽管对Java的支持不及其他完全兼容的语言丰富，但这一功能已持续存在，并在迅速改进中。
由亚马逊开发，旨在利用Java创建和部署深度学习能力。
Kubeflow使得在Kubernetes上轻松部署和管理机器学习堆栈，提供现成的机器学习解决方案。
Apache的OpenNLP是一个专为自然语言处理而设计的机器学习工具。
Java ML为开发者提供了多种机器学习算法的实现。
借助Neuroph GUI，Neuroph使得使用Java开源框架设计神经网络变得可行。
若Java具备真正的垃圾回收功能，许多程序在执行完毕后将自动从内存中清除。——Robert Sewell
以下是Java代码的示例片段：
Java代码示例片段
适合初学者的Java课程：
如果您是计算机专业的毕业生，或者希望学习Java并寻找优秀资源，欢迎访问这里。
R语言及其应用
R语言由Ross Ihaka和Robert Gentleman于1995年首次发布，并至今由R开发核心团队负责维护。作为S编程语言的一种实现，它专注于统计分析和图形绘制，广泛应用于统计软件的开发和数据分析。
在人工智能编程领域，R语言因其独特的优势而受到开发者的青睐，主要体现在以下两个方面：
以下是R语言中一些常用的人工智能编程包：
由于其多样的特性和功能，R语言在数据挖掘和统计分析领域受到了广泛的欢迎，包括：
一个有趣的应用实例是使用R语言制作2019年新冠肺炎（Covid-19）的交互式地图，详细信息可以访问以下链接：
交互式地图链接
Prolog语言概述
Prolog是“Programming in Logic”的缩写，作为逻辑编程语言，它始于1972年。Prolog为人工智能的开发，特别是在自然语言处理方面提供了强大的工具，最适合用于创建聊天机器人，其中第一个成功的聊天机器人ELIZA就是用Prolog编写的。
理解Prolog需要掌握一些基本术语：
Prolog为实现人工智能提供了两种方法，这两种方法在数据科学家和研究人员中都得到了广泛应用。
Lisp编程语言
以下是用于构建具有N维输入和M个输出单元的单层感知器的Lisp代码示例。
Lisp是“列表处理”的缩写，作为仅次于Fortran的第二古老编程语言，它在历史上占据了重要地位。此语言被公认为人工智能领域的奠基石之一，约翰·麦卡锡于1958年首次提出了Lisp。
Lisp是一种能够实现他人认为不可能之事的语言。——Kent Pitman
作为一门专注于数学符号处理的编程语言，Lisp迅速成为人工智能开发者的首选。其独特的特性使其在机器学习和人工智能项目中表现出色：
随着其他编程语言的不断进步，Lisp的一些独特特性也逐渐被其他语言所吸纳。诸如Reddit和HackerNews等知名项目均是基于Lisp开发的。
在我看来，Lisp是世界上最优美的编程语言，至少在Haskell出现之前是如此。——Larry Wall
Haskell编程语言
官方网站
Haskell于1990年问世，以著名数学家Haskell Brooks Curry命名。它是一种纯粹的函数式编程语言，具有强大的静态类型特征，常常与延迟计算和精简代码相结合使用。
Haskell被视为一种极为安全的编程语言，提供了相较于其他语言更为灵活的错误处理机制。错误在Haskell中极少出现，即使发生，绝大多数非语法错误都是在编译时捕获，而非运行时。Haskell的一些显著特点包括：
正如Philip Greenspun所言：“SQL、Lisp和Haskell是我所见过的，思考所占时间远超过编码的语言。”
Haskell的这些特性在提升开发效率方面发挥了重要作用。尽管与其他编程语言相比，它的使用者相对小众，但Haskell同样适用于人工智能开发，并且越来越受到开发社区的青睐。
Julia编程语言
探索Julia：高效的动态编程语言在人工智能中的应用
Julia是一种具备卓越性能和广泛适用性的动态编程语言，适合开发几乎所有类型的应用，尤其在数据分析和计算科学领域表现尤为突出。与Julia兼容的工具种类繁多，包括：
Julia的源代码目录结构
该语言所具备的多项特性，使其在人工智能开发、机器学习、统计分析以及数据建模等领域成为不可或缺的选择。具体特性包括：
Julia旨在克服其他编程语言的不足，能够与TensorFlow.jl、MLBase.jl及MXNet.jl等工具无缝集成，为机器学习应用的开发提供便利，这些工具充分利用了Julia的可扩展性。
下图展示了Google Trend上Julia用户数量的变化趋势：
图源：Google Trends
2019年Julia开发大会的宣传视频：
https://www.youtube.com/user/JuliaLanguage
在众多人工智能编程语言中，工程师和科学家可以根据项目需求选择最合适的语言。每种编程语言都有其独特的优势和不足。
随着这些语言的持续演进，人工智能的开发将变得愈加轻松高效，更多人才将涌入这一创新领域。良好的社区支持为新手们提供了便利，而社区对扩展项目的贡献则使每位开发者的工作变得更加顺畅。
原文地址：
https://towardsdatascience.com/top-programming-languages-for-ai-engineers-in-2020-33a9f16a80b0
本文由CSDN翻译，转载请注明来源。
热门推荐
☞揭露软件欺诈的骗局：“替罪羊”是如何制造的？
☞遗留代码糟糕，我该如何应对？
☞Python在疫情期间爬取全球股市动态，令人无奈……
☞无代码时代来临，程序员如何保住自己的饭碗？
☞从零开始构建：使用CNN与TensorFlow进行人脸特征检测
☞另一种声音：容器技术是否是未来的趋势？
☞深入探讨比特币的独特时间链、挖矿成本及场外交易的概念
