Видите, дело в том, что я рекомендую использовать Python или R только для проектов AI или ML,
- Простое написание кода в них - приложение AI, для которого вы пишете код на Python и Java. вы обнаружите, что Python или R больше подходят специально для приложений AI.
- Библиотеки и фреймворки - в Python и R у вас есть обширные библиотеки, чтобы упростить вашу работу - numy, scikit-learn, keeas, тензорный поток,морское происхождение, матплотлиб и многое другое. Если вы новичок, начните с документов scikit-learn и вы можете создать ИИ всего за 5 строк кода. Лучше всего для начинающих.
- Создание визуализации - нейронные сети являются одним из самых известных алгоритмов ИИ, но многие отрасли предпочитают логистический, линейный, случайный лес, потому что объяснение NN - низкий черный ящик. С Python у вас есть matplotlib и seaborn (наиболее распространенный, который я использовал), довольно легко создавать графики, графики и анимацию. Плата Tensor также обеспечивает хорошую визуализацию.
- Jupyter или R studio - это, несомненно, одна из самых важных функций, скажем, у меня есть модель word2vec 3,5 ГБ. Я пишу код, скажем, JS или Java. Я жду 15 минут для загрузки модели и выдает ошибку, что я забыл скобку или точку с запятой в Java. Я исправляю это и теперь должен ждать 15 минут снова. Jupyter или R studio исправляют это.
Ресурсы-
1. Эндрю Н.Г. 3 курса по искусству и ML *
2. O Книга Рейли о практических ML
3. GoogleMLCC
4. Документы по тензорному потоку и научным навыкам
И, наконец,
5. Стэнфордский курс по статистическому обучению (с использованием R)