10 個人工智慧不可不學的函式庫
原文網址: https://goo.gl/1WnRoK
「人工智慧」是近年來被炒得相當熱絡的話題。目前就業市場,也對「人工智慧」人才求之若渴。今天要介紹給您「十個不可不學」的人工智慧函式庫,讓您在寫作人工智慧程式時,能「站在巨人的肩膀上」。
所謂的「函式庫」,就是前人寫好的程式碼,可供您事後不必親自撰寫,直接叫用。人工智慧的統計模型複雜,舉凡 K-means、決策樹、支援向量機、隱藏式馬可夫模型...。若每樣都自己寫,您可能會瘋掉。所以,學習如何使用別人已經寫好的人工智慧函式庫,才會如此重要。
關於人工智慧的自修好書,我要推薦一下我寫的「人工智慧書評」。裡面羅列了我「字字看過」,且親自評分的意見。歡迎大家參考:
https://episode.cc/read/cnchi/BookReview-AI
以下就是該文介紹的十個人工智慧函式庫。原文非常貼心!針對每個函式庫,都列出了「星等、簡介、優缺點」。很推薦大家點入後觀看細節。我列出的順序與原文不同,我是以「人氣 / 使用語言」來排列。讓您一眼就能看出目前最流行的函式庫到底是哪個。如果您沒時間學全部的函式庫,學前三個也能包含大部分的情況了:
1. TensorFlow: 84725 / C++
2. Sci-Kit Learn: 24369 / Python
3. Keras: 23711 / Python
4. Caffe: 22111 / C++
5. Spark MLlib: 15708 / Scala
6. Microsoft CNTK: 13516 / C++
7. Torch: 7584 / C
8. Theano: 7550 / Python
9. Accord.NET: 2424 / C#
10. MLPack: 1856 / C++
由上表看來,最流行的人工智慧函式庫還是 Google 的 TensorFlow(畢竟是 AlphaGo 背後的基礎框架。詳情: https://goo.gl/EkzZRd )。後面的程式語言雖然寫著「C++」,不過近年來,Google 已經開發出可以讓 Python、Java、R、Haskell、Go 等語言叫用的介面了。所以,以「人工智慧必學語言」來說的話,應該是 Python!因為學了它,前三函式庫都可以無礙叫用。
不知道這樣的摘註對大家是否有幫助?如果喜歡這篇文章,還請按讚鼓勵一下小弟。或者是轉發分享此篇文章給您需要的朋友。有人工智慧相關的問題也可以在下方發文喔!我會努力回答看看的!
「隱藏式馬可夫模型python」的推薦目錄:
隱藏式馬可夫模型python 在 紀老師程式教學網 Facebook 的精選貼文
[書評] 完結篇大放送!第十本書書評+所有書籍建議閱讀順序+人工智慧領域學習途徑!八千字一次提供!
第十本書書評:「Python 機器學習」(博碩出版,2016)
https://episode.cc/read/cnchi/BookReview-AI/7
所有書籍「建議閱讀順序」
https://episode.cc/read/cnchi/BookReview-AI/11
「人工智慧領域學習途徑」
https://episode.cc/read/cnchi/BookReview-AI/12
「人工智慧相關書籍 書評」總目錄
https://episode.cc/read/cnchi/BookReview-AI
完結灑花!!! (* ̄▽ ̄)/‧☆*"`'*-.,_,.-*'`"*-.,_☆
首先感謝在我連載「人工智慧相關書籍 書評」十本之間,努力幫我打氣、按讚、轉發的朋友!你們是最棒的!感謝你們!
由於是十本書的最後一本,所以我想「除了書評,是否也能提供建議的閱讀順序呢?」於是有了「建議閱讀順序」這一篇(見上方連結)。閱讀順序中,我只列出3★ 以上的書籍,得分低於3★ 以下的,我就不建議各位閱讀了。
但寫完建議閱讀順序,又想著「真的看完這十本書的網友,就會人工智慧了嗎?」我心中的答案是否定的。對一個完全沒有人工智慧基礎的朋友,貿然從我推薦的第一本書開始看,如果沒有 Python 與統計的底子,絕對是「死在沙灘上」的。所以我又寫了一篇「人工智慧領域 學習途徑」的文章(見上方連結),告訴您人工智慧該先學什麼、再學什麼,而什麼又是不必學的。希望能節省大家摸索的時間。
用下班時間,花了四個晚上,終於把這三篇共八千多字的文章寫完了!在此誠心誠意奉上,希望能讓更多人投入人工智慧這個領域,讓台灣的人才繼續在世界發光!
話說終於把這第十本書的書評寫完了呢!連我自己都不敢相信,我可以在半年內唸完十本硬梆梆的人工智慧書籍!故事要從半年前說起。今年(2017)七月中,鑑於我已經自我厭惡買了一堆人工智慧的書沒看,加上科技業界都在討論人工智慧的主題,而我卻因為底子不夠好,一句話也插不上。所以心一狠,定下了「半年內看完十本書,並寫出書評」的計畫。現在全數完工,心裡的充實感,真的不是言語可以形容的。
其實看完這十本書,獲益最大的是我自己。我現在能心有余裕地看懂各種人工智慧專有名詞(什麼「奇點」啦、「召回率」啦...),也能對人工智慧各種演算法侃侃而談。不管你想談單純貝氏模型,還是隱藏式馬可夫模型我都能奉陪。對於類神經網路的什麼「卷積神經網路」啦、「深度學習」啦...其架構也大概了然於胸。最大的收穫,還是對於統計學裡的某些技術(如:貝氏定理、迴歸...),能有「喔!原來這個東西是這樣用啊!」的感覺。
對我而言,這半年不啻是一段脫胎換骨的轉變過程(雖然中間看不懂各種名詞、上網拼命 Google 時很痛苦啦...)。然後,我願意把自己當成墊腳石,用我的時間節省你的時間,讓您能比我用更短的時間脫胎換骨。
個人對於「人工智慧領域學習途徑」一文蠻自豪的!我把「為什麼統計在人工智慧裡那麼重要」,以及「貝氏定理為何扮演了機器學習裡,重要的基礎角色」,給出了答案。希望各位也會喜歡。
如果您覺得這篇文章不錯,還請各位不吝按讚、轉發分享喔!有任何想討論的主題,也可以留言在下方,我會盡快、盡力為您解答的。
最後祝福大家週末愉快!
PS: 若您對我發表書評的平台「艾比索」操作有困難的話,歡迎觀賞我幫各位錄製的「艾比索平台操作教學」:
「艾比索(Episode)平台:文章閱讀操作說明」
https://youtu.be/ldEnzZYgWr4