成都python學習：500萬個工作已被機器取代，python人工智能發展勢不可擋!
近日《硅谷簡史：通往人工智能之路》文中提到，從2000～2015年，美國有500萬個工作被機器取代。
AI相關領域很多，但迄今為止，應用最廣泛的領域是有監督的機器學習，即算法需要從訓練數據中進行學習，它不能像人那樣能多方面地間接學習。訓練數據的數量和質量對於機器學習來說非常重要。蒐集訓練數據的過程必須慎重，谷歌每年花費大量時間來蒐集並整理用於機器學習的數據。這一過程永無止境。蒐集訓練數據是機器學習中最需要人工參與的部分。
數據挖掘和機器學習是現在AI領域需求最廣泛的領域，我們再來看看這兩個領域的薪資情況：
數據挖掘找了拉勾網中年薪最高的10家公司，都是有名的互聯網公司。其中年薪百萬的有兩家公司，最低的年薪都在30w左右，平均年薪也有60w。
年薪最高也是百萬，90萬，80萬有4-5家，平均薪資也有50萬左右，最低也有30幾萬。
看了這麼多，心動想要進入人工智能行業嗎?你還需要學習一門編程語言!Python在人工智能數據挖掘和機器學習等方面有著非常多的優勢，具體是怎樣，一起來看看!
關於Python
Python是一種用LISP和JAVA編譯的語言。按照Norvig文章中對Lips和Python的比較，這兩種語言彼此非常相似，僅有一些細小的差別。
還有JPthon，提供了訪問Java圖像用戶界面的途徑。這是PeterNorvig選擇用JPyhton翻譯他人工智能書籍中程序的的原因。
Python可以讓他使用可移植的GUI演示，和可移植的http/ftp/html庫。因此，它非常適合作為人工智能語言的。
Python在人工智能上使用的好處
平臺無關，可以在現在每一個*nix版本上使用，和其他面向對象編程語言比學習更加簡單快速。
Python有許多圖像加強庫像Python Imaging Libary,VTK和Maya 3D可視化工具包，Numeric Python, Scientific Python和其他很多可用工具可以於數值和科學應用。
Python的設計非常好，快速，堅固，可移植，可擴展。很明顯這些對於人工智能應用來說都是非常重要的因素。
對於科學用途的廣泛編程任務都很有用，無論從小的shell腳本還是整個網站應用。
最後，它是開源的。可以得到相同的社區支持。
AI的python庫
AIMA：Python實現了從Russell到Norvigs的“人工智能：一種現代的方法”的算法
pyDatalog：Python中的邏輯編程引擎。
SimpleAI：Python實現在“人工智能：一種現代的方法”這本書中描述過的人工智能的算法。它專注於提供一個易於使用，有良好文檔和測試的庫。
EasyAI：一個雙人AI遊戲的python引擎(負極大值，置換表、遊戲解決)
機器學習庫
PyBrain 一個靈活，簡單而有效的針對機器學習任務的算法，它是模塊化的Python機器學習庫。它也提供了多種預定義好的環境來測試和比較你的算法。
PyML 一個用Python寫的雙邊框架，重點研究SVM和其他內核方法。它支持Linux和Mac OS X。
scikit-learn旨在提供簡單而強大的解決方案，可以在不同的上下文中重用：機器學習作為科學和工程的一個多功能工具。
它是python的一個模塊，集成了經典的機器學習的算法，這些算法是和python科學包(numpy,scipy.matplotlib)緊密聯繫在一起的。
MDP-Toolkit這是一個Python數據處理的框架，可以很容易的進行擴展。
它海收集了有監管和沒有監管的學習算飯和其他數據處理單元，可以組合成數據處理序列或者更復雜的前饋網絡結構。新算法的實現是簡單和直觀的。
可用的算法是在不斷的穩定增加的，包括信號處理方法(主成分分析、獨立成分分析、慢特徵分析)，流型學習方法(局部線性嵌入)，集中分類，概率方法(因子分析，RBM),數據預處理方法等等。
案自然語言和文本處理庫
NLTK 開源的Python模塊，語言學數據和文檔，用來研究和開發自然語言處理和文本分析。有windows,Mac OSX和Linux版本。
總結
Python因為提供像 scikit-learn的好的框架，在人工智能方面扮演了一個重要的角色：Python中的機器學習，實現了這一領域中大多的需求。
AI需要大量的研究，因此沒有必要要求一個500KB的Java樣板代碼去測試新的假說。Python中幾乎每一個想法都可以迅速通過20-30行代碼來實現(JS和LISP也是一樣)。
無可厚非，Python對於人工智能是一門非常有用的語言。
閱讀更多 成都達內 的文章
