当前位置：首页 > news >正文

【1024程序员节】如何快速掌握人工智能技术技能

news 2024/10/22 19:48:50

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/python3class MyClass:"""一个简单的类实例"""i = 12345def 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