隨著越來越多產業應用人工智慧與 機器學習 ，各大公司都開始在相關的領域進行投資，使 AI人工智慧與 機器學習 的人才需求也隨之增加。 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Jean Francois Puget 所繪出的圖表，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。
相關文章
