{eval=Array;=+count(Array);}
我得方向是自然語言處理,文本挖掘方面,python,java用的比較多,尤其是文本處理方面,python開源的工具最多,比如nltk,textblob,gensim之類的,機器學習有sklearn,深度學習有tensorflow等,python應該算nlp領域最主流的語言了。java也有不少,比如可以用weka做機器學習,但是比sklearn復雜多了。nlp方面有stanford core nlp,其他語言可用工具較少,或者比較復雜。很多東西不可能從底層開始造的,畢竟精力有限而且不能保證性能和穩定性比得過那些來源工具。本科玩icpc,cpp用得非常溜,現在搞nlp也不得不放棄用了很多年的cpp了
你常用的語言在這個領域仍然常用,C和C++是很多高性能深度學習庫的后端語言語言,例如caffe,tensorflow和torch,有一個很著名的機器學習庫weka是java寫的,當然此領域也有用的還是python,很多框架都有python接口或者直接用python寫的。大數據領域,R和scala也是在崛起。matlab近期地位有所下降,但他仍然是仿真的利器。
編程語言只是個工具,掌握了原理,一通百通
ps. 你說的編譯這個詞很不專業,不是都需要編譯,python和matlab就是解釋性語言。
人工智能語言主要有LISP、Prolog、Smalltalk、C++等,計算機視覺和機器學習方面的,基本上都是用Matlab。OpenCV在實際應用中用得多,做研究基本上是用Matlab里面的Image Processing Toolbox,寫起程序來比C/C++快得多。
3
回答5
回答3
回答4
回答10
回答10
回答10
回答0
回答4
回答6
回答