月份: 2019 年 6 月

人工智慧程式語言必選Python的8大理由(下)

關於一定要學Python的八大理由來到了最後一篇!!看完就可以手刀去報名啦!!

隨著各行各業越來越廣泛地應用人工智慧與機器學習，大公司開始在其相關領域進行投資，使得 AI人工智慧與機器學習的人才需求增多。來自 IBM 機器學習部門的 Jean Francois Puget 就表示 Python 是 AI 和 ML最流行的語言。根據 Francois Puget 所繪出的圖表如下，自 2015 年起，Python 已成為 AI人工智慧與機器學習的御用程式語言 (類似內容：2018年度AI人工智慧公司Top10排行榜)。為何 Python 能在眾多語言中脫穎而出，成為 AI人工智慧領域的新寵，原因整理如下八點：

原因六、良好的視覺化選項

在之前的文章當中我們已經提到 Python 提供了各種各樣的函式庫，其中有一些是很好用的「可視化工具」。然而，對於 AI 開發人員來說，重點是要強調在人工智慧、深度學習和機器學習的領域中，能夠以人類可讀的形式來展現資料。

像是 Matplotlib 這樣的函式庫允許數據工程師構建直方圖等圖表，讓數據可視化、更易於理解閱讀。還有其他不同的應用程式介面，更簡化了可視化的過程，使創建圖表更簡易。

Matplotlib的例子如下面所表示的 (資料來源：維基百科)

曲線圖

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> a = np.linspace(0,10,100)
>>> b = np.exp(-a)
>>> plt.plot(a,b)
>>> plt.show()

直方圖

>>> import matplotlib.pyplot as plt
>>> from numpy.random import normal,rand
>>> x = normal(size=200)
>>> plt.hist(x,bins=30)
>>> plt.show()

散點圖

>>> import matplotlib.pyplot as plt
>>> from numpy.random import rand
>>> a = rand(100)
>>> b = rand(100)
>>> plt.scatter(a,b)
>>> plt.show()

3D 圖

>>> from matplotlib import cm
>>> from mpl_toolkits.mplot3d import Axes3D
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> fig = plt.figure()
>>> ax = fig.gca(projection='3d')
>>> X = np.arange(-5, 5, 0.25)
>>> Y = np.arange(-5, 5, 0.25)
>>> X, Y = np.meshgrid(X, Y)
>>> R = np.sqrt(X**2 + Y**2)
>>> Z = np.sin(R)
>>> surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm)
>>> plt.show()

原因七、具影響力的網路社群支持

Python 語言有多熱門? 看看如 Django Girls、台灣 Python 社群 Python Taiwan、 PyLadies 等來自各國以 Python 為主的社群紛紛建立，還定期召開「PyCon」、「SciPy」等會議就知道了！台灣自 2012 年還定期舉辦「PyCon TW」呢！ Python是一種完全免費的開源程式語言，無論是初學者還是專業的 Python 都可以享用這一些開放資源。許多 Python 相關的檔案、函式庫等都可以於網路上、社群與論壇中獲得，Python 工程師、AI人工智慧與機器學習開發人員可以討論、解決問題並互相幫助。

原因八、越來越受歡迎

由於上述所討論的優點，Python 在 AI人工智慧、大數據分析工程師中越來越受歡迎。根據 StackOverflow 的說法，預計 Python 的熱潮到 2020 年都還會持續著。

Python 提供了許多應用於 AI人工智慧和機器學習的功能，也是這些領域的最佳程式語言。除此之外，像是旅遊業、Fintech 金融科技、物流業與醫療業等各個行業也都使用 Python 進行預測和機器學習。

其他閱讀

學程式語言就要選Python的8大理由(上)

學程式語言就要選Python的8大理由(中)

．AI 即將取代 7 大職業！醫生律師也上榜

張忠謀預言未來一半工作將被AI人工智慧取代,該如何應對?

科技大老張忠謀都預言未來大半人力將被AI人工智慧所代替,還不快想辦法為自己保住工作?

台積電創辦人張忠謀表示：AI 人工智慧、物聯網（IoT）不但是全球 IT 科技產業的未來，且將徹底改變每個人的日常生活。他更預言：未來即將有一半的工作被人工智慧取代，導致失業率大增，對很多年輕人造成危機。但是「運算能力、資料蒐集、創業能力與終生學習」，不僅會是台灣IT (資訊科技) 產業的未來，也是避免被人工智慧取代工作的條件。和人工智慧技術關係密切的Python程式語言能力也不容忽視!

．AI 產業=台灣IT未來？郭台銘打造台灣第一本 AI 教科書

目前台灣資訊科技（IT）產業正在轉型，李國鼎科技發展基金會 6 月 5 日舉辦「台灣IT產業的過去、現在與未來」講座，邀請張忠謀發表演說，探討台灣科技業的新出路。

張忠謀表示第二次世界大戰結束後，全球很多開發中國家把第一波的 IT 發展「電腦與半導體」視為國家翻身之路。當時的半導體是人才密集產業、並未發展至資本密集，也只有三個國家把握到第一波的 IT 浪潮翻身機會，分別是日本、韓國與台灣，並因此躋身為已開發國家。

第二波 IT 浪潮就是網際網路（www,world wide web），這一波 IT 浪潮需要有很大的內需市場支持，擁有龐大內需的美國、中國都把握到了，但是台灣、韓國、日本都錯失第二波，小國林立的歐盟也沒跟上。

面對未來的 IT 發展，張忠謀表示，IT 的未來是物聯網（IoT）與 AI 人工智慧。前者物聯網（IoT）將會改變每個人的生活，「我預估，20年後你們身上會有很多感測器」。張忠謀預言：未來每個人身上的感測器可隨時監測血壓、心跳等生理數據，並將資料傳回醫院，若有異狀，就響起鈴聲。

．全台首座 AI 門診榮總 2019 年上線

．生病不知看哪科？AI 醫生幫你掛號!

．台灣 AI 走進加護病房預測敗血症準確率85%

張忠謀強調「不是不可能，就像20年前參加演講都沒有翻譯機，現在只要帶著手機，裡面就有很多翻譯軟體。」。而人工智慧則取代很多人的工作，張忠謀更引用李開復的著作表示：未來將有 50％的工作被 AI 取代。在 AI 與 IoT 為產業主流的時代，具備什麼樣的技能才不會被 AI 淘汰？張忠謀提出四點：

第一、運算（Computing）實力：因為大量的資料是 AI 人工智慧、5G 的基礎，有資料的地方，就需要運算。為了迎接產業 AI 化，最近他的母校 MIT（麻省理工學院）因此成立「College of Computing（運算學院）」，是個跨學系（Interdiscipline）的學院，相當於各系所的通識課程。原本電子、電機、機械等系所都可來運算學院修習運算課程，且不只是 IT 產業的領域要熟悉運算，研究歷史、經濟、建築這些跟 IT 無關的系所，都需要熟悉運算，是對抗 AI 搶飯碗的不二法門。

第二、資料蒐集：張忠謀說，AI 建構在資料之上，資料是人工智慧的基礎。在 AI、物聯網時代，還是需要大量的資料。最近很多人，包含歐盟、美國政府都開始反對網際網路公司蒐集太多資料。美國已著手對付蘋果、臉書、亞馬遜與 Google 等科技大老進行資料蒐集的行為，「你可以支持反對大公司蒐集資料」。

第三種技能則是創業的能力，張忠謀表示，人工智慧讓能夠商業化的創意頻繁的出現，預言未來成功的 AI 小公司會比現在還多。有了 AI 會比較容易產生創意，「沒有創意的創業，通常不會成功」，因此創業已不再屬於少數人的能力，每個人都該學習。最後，則是終生學習的習慣與紀律。他認為，前三種能力都需要大量的工程師能力，但是一定要畢業於相關科系才能當工程師嗎？他不認為，如果大學時期就養成終生學習的習慣與紀律，就可以隨時充實自己的技能、不用擔心被 AI 搶走飯碗。

其他閱讀

醫院攜手和AI人工智慧系統合作,快速偵測敗血症提高病患存活率!!

在煩惱你的台灣國語手機聽不懂嗎? 讓人工智慧雅婷來幫你搞定一切吧!!

人工智慧程式語言必選Python的8大理由(中)

今天的Python文章要來談談他的靈活度,獨立性和可讀性~不要錯過嘍!!

原因三、Python 靈活度高

Python 是靈活的程式語言，它提供了「 OOP ( 物件導向程式設計 )」以及「scripting ( 腳本 )」兩種選項。不須重新編譯源始碼，開發工程師就可用它來做任意修改，快速看到結果。程式工程師也可結合 Python 和其他語言來撰寫程式。開發工程師可選擇他們習慣的程式語言風格，甚至可混搭，以最有效的方式解決不同的問題。以下為常見的程式語言風格：

指令式程式語言風格（Imperative Programming）

為主流的程式語言風格，許多程式語言如 C#、Visual Basic、C++ 與 Java 都支援。此風格是按部就班寫出電腦必須要採取的流程 ( 下指令給電腦 )，讓電腦按著指令達成目標。

功能性程式設計風格（Functional Programming）

又被稱為「宣告式程式設計」，與上述的指令式程式設計相對立。它先描述目標的功能，讓電腦明白目標，而非流程。宣告式程式設計告訴電腦需要計算「什麼」而不是「如何」去計算，從而避免隨之而來的副作用。而指令式程式設計則需要用演算法來明確的指出每一步該怎麼做。

物件導向程式設計風格（The object-oriented style）

由 Class ( 類 ) 與 Object ( 物件 ) 組成，相似的物件會組成一個類。Python 不完全支持這種風格，因為它無法完全執行封裝，但開發人員仍然可以在有限的程度上使用這種風格。/p>

程序式程式設計（The procedural style）

由 Class ( 類 ) 與 Object ( 物件 ) 組成，相似的物件會組成一個類。Python 不完全支持這種風格，因為它無法完全執行封裝，但開發人員仍然可以在有限的程度上使用這種風格。
Python 的高靈活度，讓程式設計師能在用最習慣的方式撰寫，在舒適的狀態下掌握狀況，大大降低 bug。

原因四、Python 的平台獨立性

Python 不僅僅用起來舒服、好上手、功能多樣，還可以在任何平台上運行，包括 Windows、MacOS、Linux、Unix 和其他 21 個平台。當程式開發工程師將程式從一個平台轉移到另一個平台時，也只需要做小小規模的更改、修改少許的程式代碼即可。工程師可使用像 PyInstaller 這樣的封包來修改代碼，以便在不同的平台上運行。
這樣在就有效的節省在各種平台測試的時間和金錢，使整個流程更加簡單方便。

原因五、Python 的可讀性

Python 非常易於閱讀，因此每個 Python 開發人員都可以理解他們的同行代碼並更改、複製或共享它，而不容易產生混淆、錯誤或衝突。因此 AI人工智慧與 ML 機器學習的專業人員之間更有效的交流算法、想法和工具。
還有像 IPython 這樣的工具，它是一個互動式直譯器，提供互動式的被開發、執行、除錯和監控等額外功能，能加速工作流程。

其他閱讀

學程式語言就要選Python的8大理由(上)

學程式語言就要選Python的8大理由(下)

想踏入人工智慧領域就要學Python的八個理由~(一)

想踏入人工智慧領域就要學Python的八個理由~(三)

最後一篇的學習Python八個理由要來討論的是良好的視覺化和受歡迎程度!!

原因六、良好的視覺化選項

Matplotlib的例子如下面所表示的 (資料來源：維基百科)

曲線圖

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> a = np.linspace(0,10,100)
>>> b = np.exp(-a)
>>> plt.plot(a,b)
>>> plt.show()

直方圖

>>> import matplotlib.pyplot as plt
>>> from numpy.random import normal,rand
>>> x = normal(size=200)
>>> plt.hist(x,bins=30)
>>> plt.show()

散點圖

>>> import matplotlib.pyplot as plt
>>> from numpy.random import rand
>>> a = rand(100)
>>> b = rand(100)
>>> plt.scatter(a,b)
>>> plt.show()

3D 圖

>>> from matplotlib import cm
>>> from mpl_toolkits.mplot3d import Axes3D
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> fig = plt.figure()
>>> ax = fig.gca(projection='3d')
>>> X = np.arange(-5, 5, 0.25)
>>> Y = np.arange(-5, 5, 0.25)
>>> X, Y = np.meshgrid(X, Y)
>>> R = np.sqrt(X**2 + Y**2)
>>> Z = np.sin(R)
>>> surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm)
>>> plt.show()

原因七、具影響力的網路社群支持

原因八、越來越受歡迎

由於上述所討論的優點，Python 在 AI人工智慧、大數據分析工程師中越來越受歡迎。根據 StackOverflow 的說法，預計 Python 的熱潮到 2020 年都還會持續著。

其他閱讀

想踏入人工智慧領域就要學Python的八個理由~(二)

人工智慧程式語言必選Python的8大理由(上)

今天要來推薦Python給想學程式語言的你!!八大理由讓你讀完立馬報名去!!

原因一、取之不盡的大量的現成函式庫

Keras – 深度學習。它允許快速計算和原型設計，因為它除了使用計算機的CPU之外還使用GPU。

TensorFlow – 透過建立、訓練和使用大量數據集的人工神經網絡，來進行深度學習。

Matplotlib – 用於創建2D圖，直方圖，圖表等資訊視覺化。

NLTK – 用於計算語言學，自然語言識別和處理。

Scikit-image – 用於影像處理。

PyBrain – 用於神經網絡、無監督學習、增強學習。

Caffe – 用於深度學習，允許在 CPU 和 GPU 之間切換，並使用單個 NVIDIA K40 GPU，每天處理 60 多萬張圖像。

StatsModels – 用於統計演算法和資料探勘。

原因二、Python 入手低門檻

test_number = 407 # our example is not a prime number
# prime numbers are greater than 1
if test_number > 1:
# check for factors
number_list = range(2, test_number)
for number in number_list:
number_of_parts = test_number // number
print(f”{test_number} is not a prime number”)
print(f”{number} times {number_of_parts} is {test_number}”)
break
else:
print(f”{test_number} is a prime number”)
else:
print(f”{test_number} is not a prime number”)

Python 是 AI 領域最多人使用的程式語言，主要原因之一是因為它有大量的資料庫，讓用戶可自由套用、執行各式功能、操作。這些資料庫由來自四面八方的來源 (如 PyPi) 所發布，包含預先編寫好的程式片段，讓 AI 開發人員不需要從頭開始編寫程式。
機器學習需要連續的數據處理，Python 的函式庫則可讓你取用、處理、轉換這些數據。以下列出 AI人工智慧與機器學習領域常用的函式庫：

在 AI人工智慧的領域工作，意味著你需要以最方便有效的方式處理大量的數據。Python 的低門檻，讓更多工程師們不會浪費太多時間在學習上，快速上手，並使用它進行 AI人工智慧開發。Python 程式語法如日常英語般親民，透過 Python，你可以輕鬆地使用複雜的系統，元素間的關係也能一目了然。如以下程式碼所示：
(這段程式碼是要辨識：所輸入的數字是否為主要的數字)
如果你看得懂英文的話，就可以由上面所說的的程式碼的最後一行知道：如果所輸入的數字不是主要的數字，會出現什麼結果。

其他閱讀

學程式語言就要選Python的8大理由(中)

學程式語言就要選Python的8大理由(下)