Oblíbenost strojového učení za posledních několik let prudce vzrostla. I když je to stará disciplína, téměř stejně stará jako samotná informatika, stala se populární a běžnou teprve nedávno.
Důvodem je dostupnost velkého množství dat a výpočetního výkonu pro školení. Stala se také lukrativní specializací pro softwarové inženýry a tento článek je průvodcem o programovacích jazycích používaných pro strojové učení.
Table of Contents
Co je strojové učení?
Strojové učení je disciplína umělé inteligence, kde stavíme stroje (počítačové programy), které odvozují pravidla, jak produkovat správný výstup na základě jakéhokoli vstupu učením z dat.
To je v kontrastu s normálním programováním, kde počítači explicitně říkáme, jak má vytvořit výstup daný libovolným vstupem pomocí námi navrženého algoritmu. To je užitečné zejména v situacích, kdy nevíme, jak explicitně vyrobit výstup dané vstupy, nebo je pro nás nepohodlné explicitně zapisovat algoritmus.
Dovednosti pro strojové učení
- Programování – strojové učení zahrnuje psaní kódu pro vytváření a trénování různých modelů. Je proto nezbytné, abyste se naučili psát programy. Tento článek pojednává o tom, které programovací jazyky pro strojové učení byste se měli naučit.
- Matematika – Matematika je také velmi zapojena do strojového učení. Jak moc je matematika zapojena, závisí na tom, jak hluboce chcete porozumět strojovému učení. Ve většině případů by měla stačit znalost lineární algebry, kalkulu, pravděpodobnosti a statistiky.
- Databáze – Je také užitečné vědět, jak s databázemi pracovat. Zejména databáze SQL, protože ty jsou nejčastěji používané. Je to proto, že strojové učení zahrnuje spoustu dat a musíte vědět, jak je efektivně dotazovat. Základní SQL by mělo stačit.
Nejlepší programovací jazyky pro strojové učení
Toto je seznam nejlepších jazyků, které se lze naučit pro strojové učení. I když tento seznam není vyčerpávající, naznačuje to několik, které si myslím, že jsou v této disciplíně nejužitečnější.
Nízkoúrovňové jazyky pro strojové učení
Nízkoúrovňové jazyky ve strojovém učení se obecně považují za obtížnější se naučit a používat. Nabízejí však velkou výhodu rychlosti a efektivity.
Ve strojovém učení, kde se jednoduché operace provádějí milionykrát na velkých souborech dat, je důležitá rychlost školení. Mírně rychlejší operace mohou být rozdílem mezi tréninkem za pár minut a tréninkem v hodinách, dnech nebo i déle. Nejběžnějšími nízkoúrovňovými jazyky jsou R, C++ a Java.
R
R je jedním z hlavních jazyků používaných v datové vědě vedle Pythonu. Je to statistický jazyk s vynikajícími vizualizačními funkcemi. Vzhledem k tomu, že je zaměřen na statistický jazyk, je snazší s ním pracovat ve statistice než v jazycích pro obecné použití.
Je to proto, že poskytuje vestavěné funkce pro běžné úlohy, které by jinak potřebovaly balíčky v různých jazycích. Například má vestavěné datové typy pro objekty, jako jsou vektory a matice.
Kromě vestavěných funkcí má R balíčky jako Lattice, DataExplorer, Caret a Janiot, které lze použít ve strojovém učení. Díky tomu se stal jedním z nejlepších programovacích jazyků pro strojové učení. Pokud se chcete naučit R, zde je návod, jak začít.
C++
C++ je nejrychlejší programovací jazyk na světě díky tomu, jak efektivně je kompilován do strojového jazyka. C++ je díky své rychlosti dobrý programovací jazyk pro strojové učení.
Má bohatou podporu knihoven pro implementaci funkcí běžně potřebných ve strojovém učení. Patří mezi ně SHARK a MLPack. Ve skutečnosti jsou nejoblíbenější balíčky Pythonu používané pro strojové učení, jako jsou PyTorch a Tensorflow, implementovány s C++ pod kapotou.
C++ vám umožňuje zefektivnit využití zdrojů, jako jsou operace paměti, CPU a GPU. Výsledkem je, že pokud jste dobří v C++, můžete psát výkonnější modely a snížit velikost tréninku.
Jáva
Java je jedním z nejpopulárnějších programovacích jazyků na světě, který se používá především pro svou všudypřítomnost a spolehlivost. Používá se k vytváření podnikových aplikací některými z největších technologických společností na světě.
Java je ideální pro strojové učení, protože je rychlejší než jiné jazyky, jako je Python. Používají jej společnosti jako Netflix a LinkedIn k budování svých kanálů strojového učení.
Dobře se integruje do řešení pro správu velkých dat, jako je Apache Kafka, a distribuovaných výpočetních rámců, jako jsou Apache Spark a Hadoop. Jeho knihovna nástrojů pro hluboké učení zahrnuje DeepLearning4J, ELKI, JavaML, JSat a Weka. Kombinace rychlosti, spolehlivosti a rozsáhlé knihovny Java z ní dělá další dobrý programovací jazyk pro strojové učení.
Jazyky střední úrovně
Jazyky střední úrovně lze vnímat jako kompromis mezi jazyky nízké a vysoké úrovně. Snaží se získat to nejlepší z obou světů a v důsledku toho poskytují určitou abstrakci, která zjednoduší váš kód, a rychlost, která udrží vaše modely výkonné. Nejoblíbenějšími jazyky v této kategorii jsou Julia a Lisp.
Julie
Julia je univerzální programovací jazyk často používaný pro numerickou analýzu a výpočetní vědu. Stejně jako Python je Julia dynamicky typována, což usnadňuje práci.
Ve skutečnosti je navržen tak, aby se používal stejně snadno a jednoduše jako Python. Vyhýbá se však problémům s výkonem Pythonu a snaží se být stejně výkonný jako programovací jazyk C. Jednou z výhod Julie je, že vektorizovaný kód běží jen o něco rychleji než devektorizovaný kód. Díky tomu je téměř zbytečné vektorizovat kód.
Julia má také spoustu balíčků pro vytváření modelů strojového učení. V době psaní tohoto článku měla Julia asi 7400 balíčků pro implementaci věcí, jako je lineární algebra, neuronové sítě, import a čtení dat a vizualizace dat. Z tohoto důvodu byla Julia považována za nejlepší a nejpřirozenější náhradu Pythonu ve strojovém učení.
Lisp
Lisp je rychlý programovací jazyk, který existuje od roku 1960, což z něj činí druhý nejstarší stále používaný programovací jazyk. Nejstarší je Fortran.
Postupem času se Lisp změnil a objevilo se mnoho dialektů. Nejběžnější z nich se nazývá Common Lisp. Je to multiparadigma a podporuje dynamické i silné psaní.
Je to skvělé zejména pro AI a strojové učení, protože vám umožňuje vytvářet programy, které dobře počítají se symboly. Lisp je flexibilní a umožňuje vám kódovat v dynamických a silných paradigmatech psaní.
Je také rychlý a zkracuje tak dobu tréninku vašich modelů. Kromě toho vám Lisp umožňuje definovat svůj vlastní podjazyk pro práci se složitějšími situacemi. Má knihovny jako MGL a CLML pro provádění běžných úloh strojového učení.
Programovací jazyky na vysoké úrovni
Krajta
Python je zdaleka nejoblíbenější jazyk pro strojové učení. Je to univerzální jazyk, který byl zahájen v roce 1995. Od té doby jeho popularita rostla a stal se celkově nejpoužívanějším programovacím jazykem.
To není náhodné; spíše je to proto, že Python byl navržen tak, aby byl elegantní a jednoduchý. Díky tomu se snadno učí a je vhodný pro začátečníky i pro lidi, kteří nemají s programováním žádné zkušenosti.
Díky své popularitě má Python velkou komunitu a spoustu zdrojů pro učení. Má také knihovny pro strojové učení, jako je Tensorflow a PyTorch, numerické výpočty, jako je NumPy, a správu dat, jako je Pandas. Protože Python umí komunikovat s programy napsanými v C++ a C, je rozšiřitelný pomocí knihoven napsaných v těchto jazycích, aby byl rychlejší. Takto je napsána většina knihoven pro strojové učení Pythonu. To umožňuje, aby byl váš kód Python výkonný.
V důsledku toho je Python nejoblíbenějším jazykem pro strojové učení a jazykem, který se rozhodně musíte naučit.
JavaScript
JavaScript je jedním z nejpopulárnějších programovacích jazyků na světě. I když to začalo jako jazyk pro skriptování webových stránek, od té doby se rozrostlo do univerzálního jazyka používaného v podstatě pro cokoli.
Jeho použití zahrnuje psaní kódu na straně serveru, vytváření desktopových a mobilních aplikací a vytváření modelů strojového učení. Síla JavaScriptu jako jazyka strojového učení spočívá v jeho všudypřítomnosti; to znamená, že většina zařízení je schopna spouštět kód JavaScript pouze pomocí prohlížeče.
I když většina zařízení nemá GPU pro běh velkých modelů, může být stále výhodné trénovat a používat menší modely v prohlížeči. Díky tomu můžete vytvářet modely, které trénují na citlivých uživatelských datech, aniž byste je museli posílat na server.
K implementaci rychlejších předpovědí můžete také použít JavaScript. Důvodem je, že většina aplikací ML odesílá data na server a vrací předpovědi. V důsledku toho je rychlost predikce zpomalena latencí připojení, což by mohlo způsobit špatný uživatelský dojem.
Můžete také vytvářet modely, které běží v mobilních aplikacích vytvořených pomocí React Native. Knihovny strojového učení pomocí JavaScriptu zahrnují ML5.js, Synaptic a Brain.js.
Nezbytný jazyk pro strojové učení
I když jsou všechny tyto jazyky užitečné pro strojové učení, řekl bych, že Python je nutností. Kromě Pythonu se můžete naučit další jazyky, jako je Julia nebo C++, abyste urychlili svůj kód, ale většina strojového učení se provádí v Pythonu.
Pokud se tedy chcete stát inženýrem strojového učení, měli byste znát alespoň Python. Kromě jazyka Python byste měli znát také NumPy, knihovnu Pythonu pro numerické výpočty.
Čtěte také: Knihy a kurzy, jak se naučit NumPy za měsíc
Závěrečná slova
Kvůli své popularitě a ekosystému si nemyslím, že Python v brzké době zmizí. V důsledku toho je to užitečný jazyk, který se můžete naučit, pokud máte zájem stát se inženýrem strojového učení. Je také jednodušší se učit ve srovnání s jinými jazyky a je přátelský pro začátečníky. Je to tedy ideální první jazyk.
Po Pythonu dává C++ smysl, protože většina knihoven Pythonu pro strojové učení je napsána v C++. To by vám umožnilo pracovat tak, jak můžete, na samotných knihovnách a urychlit váš kód Pythonu jeho rozšířením v C++. Kromě toho si můžete vybrat jakýkoli jiný jazyk, jako je Julia nebo R.
Dále se podívejte na programovací jazyky pro použití v Data Science.