一、前言
随着技术的革新,技术应用市场的饱和,大环境就业压力越来越大,只有不断地持续学习,才能永远立于不败之地。今天打开BOSS看了看,招JAVA的实在是不多,反而机器学习、人工智能、算法类的岗位很多、说明人工智能技术是当下热门的课题,也是企业寻找突破的方向,人才短缺。那么作为开发者,如何快速掌握人工智能技术技能呢。讲讲本人的体会。
二、人工智能需要掌握的工具语言
python是 学习 人工智能 的 基础 ,也是学习人工智能的工具 ,因为 python 使我们更加接近 人工 智能,首先 python 非常 的简单 ,它又可以调取大量 的 人工智能算法库,用于数据的读取、清洗、过滤、统计、分析、汇总、透视、特征工程、数据可视化等各种处理和分析,训练 出 自己预想 的 数据模型。那么从python3学起 。我们可以 通过 菜鸟课程学习。
三 、python语言学习
python语言简介和 介绍
Python 是由 Guido van Rossum 在八十年代末和九十年代初,在荷兰国家数学和计算机科学研究所设计出来的。
Python 本身也是由诸多其他语言发展而来的,这包括 ABC、Modula-3、C、C++、Algol-68、SmallTalk、Unix shell 和其他的脚本语言等等。
Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
Python 的设计具有很强的可读性,相比其他语言经常使用英文关键字,其他语言的一些标点符号,它具有比其他语言更有特色语法结构。
- Python 是一种解释型语言: 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
- Python 是交互式语言: 这意味着,您可以在一个 Python 提示符 >>> 后直接执行代码。
- Python 是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
python环境的安装
Unix & Linux 平台安装 Python3:
以下为在 Unix & Linux 平台上安装 Python 的简单步骤:
- 打开 WEB 浏览器访问 Python Source Releases | Python.org
- 选择适用于 Unix/Linux 的源码压缩包。
- 下载及解压压缩包 Python-3.x.x.tgz,3.x.x 为你下载的对应版本号。
- 如果你需要自定义一些选项修改 Modules/Setup
以** Python3.6.1** 版本为例:
# tar -zxvf Python-3.6.1.tgz
# cd Python-3.6.1
# ./configure
# make && make install
python的使用
1、查看当前环境 的python版本
python --version
python -V
或
python --version
2、运行 python程序
#!/usr/bin/python3
# 第一个注释
print ("Hello, Python!") # 第二个注释
Python 常用文件扩展名为 .py。
你可以将以上代码保存在 hello.py 文件中并使用 python 命令执行该脚本文件。
$ python3 hello.py
3、python中的函数
定义一个函数
你可以定义一个由自己想要功能的函数,以下是简单的规则:
- 函数代码块以 def 关键词开头,后接函数标识符名称和圆括号 **()**。
- 任何传入参数和自变量必须放在圆括号中间,圆括号之间可以用于定义参数。
- 函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明。
- 函数内容以冒号 : 起始,并且缩进。
- return [表达式] 结束函数,选择性地返回一个值给调用方,不带表达式的 return 相当于返回 None。
python中的类
class ClassName:
<statement-1>
.
.
.
<statement-N>
示例:
#!/usr/bin/python3
class MyClass:
"""一个简单的类实例"""
i = 12345
def f(self):
return 'hello world'
# 实例化类
x = MyClass()
# 访问类的属性和方法
print("MyClass 类的属性 i 为:", x.i)
print("MyClass 类的方法 f 输出为:", x.f())
四、python 在人工智能场景中使用 的常用库
1、sklearn库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
2、numpy 库
matplotlib 库
pandas 库
Python# 导入必要的库
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
四 、人工智能 学习路线
五、人工 智能 机器学习10大常用算法
这10大算法包括:线性回归、逻辑回归、决策树、朴素贝叶斯、支持向量机(SVM)、集成学习、K近邻算法、K-means算法、神经网络以及强化学习中的Deep Q-Networks等。
版权归原作者 奋力向前123 所有, 如有侵权,请联系我们删除。