La respuesta a tu pregunta es bastante vaga. Hay bastantes opciones para ti. Sin embargo, declararé mis preferencias en orden decreciente de importancia.
- C ++: los marcos populares como Tensorflow y CNTK usan Python y C ++. C es una rareza, así que no optaría por eso. Además de aprender C ++ es bastante ventajoso.
- R – Este es un deber. En el análisis de datos, este lenguaje se usa con tanta frecuencia que bien podría decirse que es un cliché. Sin embargo, no subestimes este. Saber R puede salvarte el trasero varias veces.
- Lua: el marco de trabajo de Facebook Torch usa Lua, un lenguaje que usa una máquina virtual basada en registros. Popularmente promocionado como uno de los lenguajes VM más rápidos, es difícil de aprender pero bastante bueno en términos de funcionalidad.
- Java / Scala: no encuentro mucho uso para estos dos, excepto que funcionan bien con Deeplearning4j, que es bueno para entornos de producción pero no para investigación.
NB: Los marcos como Caffe a veces usan archivos codificados para crear redes neuronales y Caffe es realmente rápido. Así que al final todo depende de tu alineación.
- ¿Cuál es la diferencia al aplicar el aprendizaje profundo en el reconocimiento de voz automático usando kaldi y usando la antorcha?
- Cómo demostrar que una pequeña mejora en un puntaje F es estadísticamente significativa
- ¿OCR es una amenaza para CAPTCHA?
- ¿Cómo se usa el aprendizaje automático para los datos de EEG?
- ¿Cuál es la importancia del lenguaje de programación Erlang para el aprendizaje automático?
