来源 | medium
编译 | 张涛
责编 | Carol
出品 | AI科技大本营（ID:rgznai100）
AI系统的开发必须有计算机代码，而计算机程序的开发有不同类型的编程语言可以选择。本文分析哪些编程语言最适合你的人工智能或机器学习用例开发。
文中给出了一个想要在人工智能行业成功所需的5种编程语言的简单列表。针对给定的人工智能或机器学习项目，每种语言都有相应的优势和缺点，所以在选择开发语言前要考虑最终的目标。
这5个最适合人工智能行业的编程语言是：Python；R；Java；Scala；Rust。
Python
Python是人工智能行业最主流的编程语言，因为python具有易于学习的语法、大量的库和框架、对众多AI算法的动态适用性、而且相对容易编写。
Python支持面向功能、面向对象和面向过程的开发方式。此外，大量开放社区还在帮助python语言处在计算机科学行业的前沿。
与其他编程语言相比，python的缺点包括是运行速度慢、面向移动设备的编码功能较差、不利于处理内存密集型任务。
R
R是另一个机器学习编程语言。R语言最常用于数据分析、大数据建模和数据可视化。R语言包含多个包设置和大量的材料，使得其非常适合处理数据为中心的任务。
R语言的缺点包括大量使用内存、缺乏基本安全功能（无法嵌入web应用中）、和基于古老的S编程语言。
Java
Java是一种面向对象的编程语言，优势包括可以与搜索算法（搜索算法是能够有效支持大规模项目的简化框架）很好地结合、易于调试代码等。此外，Java也有完善的社区支持和大量的开源库。
与其他语言相比，Java的缺点包括性能不佳；由于运行在Java虚拟机之上，因此内存使用效率低下。以上两个缺点会导致硬件成本增加。
Scala
Scala是一个可扩展的编程语言，可以处理大量大数据。Scala支持支持面向对象和函数式编程的风格。由于其简洁的代码风格，Scala比其他语言更具可读性和易于编写。
Scala语言的速度和性能使得其非常适合机器学习和AI模型，并具有相对无差错的编码，在必要时容于进行调试。
Scala的不足包括所有面向对象和函数式编程的缺点。因为该语言融合了多种编程风格，因此使得理解类型信息更加困难。此外，切换回面向对象样式的选项也可能被视为弊端，因为在编写代码时不会在功能上进行思考。
Rust
Rust是系统级的编程语言。创建该语言的目的是编写“安全”代码，也就是说对象是由程序本身管理的。这样程序员就无需进行指针计算或独立管理内存。使用的内存较少一般会使代码更简洁，因此可能更易于编程。
比其他语言相比，Rust语言的缺点包括编译器更慢、没有垃圾回收机制、开发速度慢（与python对比）。
（*本文由AI科技大本营编译，转载请联系微信1092722531）
【end】
