La construcción de modelos de aprendizaje automático es generalmente una práctica en la aplicación de álgebra lineal de varias maneras. Esto hace que sea de vital importancia que el idioma que elija tenga un conjunto sólido de bibliotecas de cálculo matricial y una manera fácil de ejecutar estos cálculos en una GPU. Idealmente, el idioma que elija también facilita la creación de visualizaciones y tiene un ecosistema vibrante de bibliotecas de aprendizaje automático con las que puede comenzar a ejecutar cada vez que quiera construir un nuevo modelo.
Go, aunque es un lenguaje excelente para construir sistemas distribuidos, servicios web, etc., no marca completamente estas casillas. Dicho esto, si su objetivo es construir modelos que no necesitan ejecutarse en la GPU, golearn es una buena opción.
Rust tiene una creciente comunidad de ML, una biblioteca de redes neuronales (hoja) con soporte de GPU y una biblioteca más tradicional de aprendizaje automático / modelado estadístico (máquina oxidada), pero todavía carece de áreas como la visualización y la estabilidad de estas bibliotecas.
- ¿Cómo interpretan las redes neuronales las palabras y el lenguaje humano?
- ¿Es la automatización en la fabricación una amenaza para 'hacer en la India'?
- ¿Qué tipo de software puedo hacer aprendiendo IA?
- ¿Qué es el periodismo automatizado y qué empresas distintas de Narrative Science están trabajando en él?
- ¿Cuáles son algunos de los problemas importantes en el campo de la IA que deben resolverse para 2018 o 2023?
Si está interesado en usar Rust o Go por usarlos, para aprender algo al usarlos o depende de algunas características que proporcionan estos idiomas, probablemente pueda hacer que funcione. Si tiene la tarea de construir un modelo de calidad de producción y está abierto a usar cualquier conjunto de herramientas, Rust and Go no debería estar en la parte superior de la lista de candidatos.
