又要头秃？2020 年七大 AI 编程语言大盘点

Python
Python的一些最受欢迎的库，列表如下：

TensorFlow，用于解决机器学习的工作负载和使用数据集问题。
scikit-learn，用于培训机器学习模型。
PyTorch ，用于计算机视觉和自然语言处理。
Keras，作为高度复杂的数学计算和操作的代码接口。
SparkMLlib，类似于Apache Spark的机器学习库，使用算法和实用程序等工具使得机器学习对每个人都可以很轻松。
MXNet，作为Apache的另一个库，用于简化深度学习工作流。
Theano，作为定义、优化和评估数学表达式的库。
Pybrain，用于强大的机器学习算法。
Java
Java编程语言具有高度的用户友好性、灵活性和平台独立性，它已经以各种方式被用于人工智能的开发当中，以下是一些例子供你了解：

TensorFlow
TensorFlow支持的编程语言列表也包括带有API的Java。它对Java的支持不像其他完全支持的语言那样功能丰富，但它已经存在，并且正在以很快的速度得到改进。

Deep Java Library
由Amazon构建，使用Java来创建和部署深度学习能力。

Kubeflow
Kubeflow用于在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。

OpenNLP
Apache的OpenNLP是一个用于自然语言处理的机器学习工具。

Java机器学习库
Java ML为开发人员提供了几种机器学习算法。

Neuroph
在Neuroph GUI的帮助下，Neuroph使得使用Java开源框架设计神经网络成为可能。

如果Java有真正的垃圾回收，那么大多数程序在执行完后都会把自己从内存中删除。——Robert Sewell
R语言
R语言被开发人员大量地用于人工智能编程，主是是因为它具有以下两个特点：

R语言擅长处理大量数据的基本特性，相比带有未经优化的NumPy包的Python语言来说，更有优势。
使用R语言，你可以以各种编程模式工作，如函数式编程、矢量计算和面向对象编程。
R语言可供使用的一些AI编程包有：

Gmodels，提供了用于模型拟合的多个工具的集合。
Tm，作为一种文本挖掘应用的框架。
RODBC，作为R语言的ODBC接口。
OneR，用于实现One Rule机器学习分类算法，适用于机器学习模型。
R语言因其如下特点/功能，在数据挖掘人员和统计人员中被广泛采用：

各种各样的库和包，以扩展其功能。
积极支持的社区。
能够与C、C++和FORTRAN一起工作
多个软件包帮助功能扩展。
支持生成高质量的图形
Prolog
要理解Prolog，你必须熟悉指导它工作的一些基本术语：

Facts（事实）定义了真实的声明。
Rules(规则)定义了有附加条件的声明。
Goals（目标）定义了根据知识库确定的报表提交的位置。
Queries（查询）定义如何使你的声明真实，以及如何对事实和规则进行最终分析。
Prolog提供了两种实现人工智能的方法，这两种方法已经在实践中使用很长时间了，并且在数据科学家和研究人员中广为人知：

符号方法（Symbolic Approach）：包括基于规则的专家系统、定理证明、基于约束的方法。
Lisp
isp作为一种实用的面向数学符号处理的编程语言，它很快成为开发人员的人工智能编程语言的选择。Lisp如下的一些特性，使其成为机器学习人工智能项目的最佳选择之一：

快速原型创建
动态对象创建
垃圾回收
灵活性
Haskell
Haskell提供的一些功能包括：

强大的抽象能力
内置的内存管理
代码可重用性
易于理解
SQL、Lisp和Haskell是我见过的仅有的编程语言，在这些语言中，人们花在思考上的时间比写代码的时间要多。

Philip Greenspun
Haskell的特性有助于提高开发人员的工作效率。Haskell与其他编程语言非常相似，只是由一个小众的开发团队使用。抛开这些挑战不谈，Haskell可以证明它与其他竞争语言一样适合人工智能开发，并且越来越多地被开发社区采用。
Julia
能够与Julia一起工作的各种工具包括：

流行的编辑器，如Vim和Emacs。
集成开发工具，如Juno和Visual Studio
Julia是为消除其他编程语言的弱点而构建的，它可以与TensorFlow.jl、MLBase.jl、MXNet.jl等工具集成，用于开发机器学习应用程序，这些工具充分利用了Julia提供的可伸缩性
本文是摘抄，尊重原创。