Appuyez sur Entrée pour voir vos résultats ou Echap pour annuler.

Cinq langages appréciés pour l’intelligence artificielle

Chez Ezo, nous sommes toujours à la recherche de dépassement de soi. Nous nous intéressons depuis quelque temps à l’intelligence artificielle et nous voulions vous parler des langages qui sont jugés performants pour ce type de programmation.

Bien que nous retrouvions plusieurs langages connus dans ce résumé, quelques nouveaux font leur apparition.

JAVA

La famille de langages JVM est un excellent choix pour permettre un développement d’application IA. Puisque la communauté de ce langage est très active, on peut retrouver plusieurs bibliothèques pour le traitement de langage naturel (CoreNLP), pour les opérations de tenseurs (ND4J) ou plusieurs apprentissages profonds (DL4J : DeepLearning4J) accélérés par le processeur graphique. Sans oublier le fait que les utilisateurs bénéficient d’un accès aux grandes plateformes de données comme Apache Spark et Apache Hadoop.

Python

Il existe plusieurs bibliothèques pour en faciliter son utilisation. Par exemple, NumPy pour les opérations de tenseurs. Pandas, rend flexible l’importation de données R à Python. Pour le traitement de langage naturel, les bibliothèques NLTK et SpaCy sont disponibles. Pour l’apprentissage automatique, Scikit-learn fonctionne. L’apprentissage profond est gérable grâce aux bibliothèques TensorFlow, PyTorch, Apache MXNet, Theanos, etc.).

C/C++

Bien que le choix de ce type de langages soit peu probable lors du développement d’applications IA, pour certains qui travaillent dans un environnement intégré, qui ne peuvent se payer le prix d’une machine virtuelle Java ou d’un interpréteur Python, C/C++ est la solution. Bien qu’il nécessite de retourner dans le monde du pointeur, il ne faut pas oublier que le C/C++ moderne est agréable. Les programmeurs peuvent utiliser des bibliothèques comme CUDA pour écrire leur programme qui s’exécute directement sur le GPU ou ils peuvent utiliser TensorFlow ou Caffe pour accéder à des API de haut niveau flexibles.

Scala

Ce langage est devenu un autre langage important dans l’analyse de données. Il a gagné en popularité en même temps que Spark, un grand moteur de traitement de données, en plus de fournir une API native à Scala. La principale bibliothèque est Breeze. Il fournit des manipulations rapides et efficaces avec des tableaux de données en plus de permettre la mise en œuvre de plusieurs autres opérations.

JavaScript

Google a publié TensorFlow.js, une bibliothèque accélérée par WebGL qui permet de créer et exécuter des modèles d’apprentissage automatique dans les navigateurs Web. L’API inclut également Keras et la possibilité de charger des modèles qui ont été créés dans TensorFlow standard. Il faut savoir que JavaScript n’a pas accès aux bibliothèques d’apprentissage automatique, cependant les programmeurs auront bientôt des réseaux de neurones reliés à leurs pages web.

La popularité de l’intelligence artificielle est en augmentation et il y a une panoplie de langages qui permettent d’en développer (R, Lua, Julia, Swift, etc.). Nous voulons savoir lequel vous utilisez ainsi que ceux qui vous intéressent. Il en existe plusieurs, mais quel est LE langage de prédiction selon vous ?

Commentez, partagez, aimez, vous êtes notre gaz.

D’ici la semaine prochaine, voici d’autres articles intéressants :

Générer du code avec les schémas Angular

Cinq bonnes raisons d’utiliser WordPress

Comment bâtir une application native avec Angular

Suivez-nous par courriel!

Saisissez votre adresse courriel pour vous abonner au blog d'Ezo et recevoir une notification de chaque nouvel article par email.

Rejoignez 21 autres abonnés