Cómo construir una IA usando Anaconda

Anaconda es una distribución gratuita de código abierto de los lenguajes de programación Python y R para el procesamiento de datos a gran escala, el análisis predictivo y la computación científica, cuyo objetivo es simplificar la administración y la implementación de paquetes.

Eso significa que proporciona todos los paquetes necesarios para desarrollar aplicaciones de IA.

Para ver algunos de los ejemplos, eche un vistazo:
Galería :: Anaconda Cloud

Para obtener más ideas, puede buscar AnacondaCON:
AnacondaCON 2017

Ciencia de datos escalable y desplegable con Anaconda

Anaconda es una distribución de código abierto de Python y R que agrupa módulos de Python populares, ayuda al desarrollador a comenzar a trabajar sin preocuparse por los detalles esenciales o evitar la sobrecarga de los módulos de descarga.

Anaconda contiene módulos populares necesarios para construir AI, como:

Numpy

Pandas

Scikitlearn

Scipy

Seaborn

Matplotlib

Theano

Keras

Tensorflow

Bokeh

Hermosa sopa

Puede aprovechar estos módulos para construir un modelo de IA y producirlo.

Enthought canopy es otra distribución de Python incluida popular como anaconda

Mejora tus habilidades de aprendizaje automático. Por supuesto, es casi imposible alcanzar la máxima comprensión del aprendizaje automático en un corto período de tiempo. A menos que seas un genio o una máquina como IBM Watson. Es por eso que es mejor comenzar adquiriendo conocimientos básicos de aprendizaje automático o mejorando su nivel con la ayuda de los siguientes cursos: el curso de aprendizaje automático de Andrew Ng, las conferencias de aprendizaje automático de Tom Mitchell, etc. Todo lo que necesita es la comprensión básica de los aspectos teóricos del aprendizaje automático. .

Cuando se habla de Python, las bibliotecas como scikit-learn, tensorflow-gpu, numpy, etc. serán útiles cuando construyas IA. Por ejemplo, usará NumPy como contenedor de datos genéricos. Con un objeto de matriz N-dimensional, herramientas para integrar código C / C ++, transformada de Fourier, capacidades de números aleatorios y otras funciones, NumPy será uno de los paquetes más útiles para su computación científica.

Otra herramienta importante son los pandas, una biblioteca de código abierto que proporciona a los usuarios estructuras de datos y herramientas analíticas fáciles de usar para Python. Matplotlib es otro servicio que le gustará. Es una biblioteca de trazado 2D que crea cifras de calidad de publicación. Entre las mejores ventajas de matplotlib está la disponibilidad de 6 kits de herramientas de interfaz gráfica de usuario, servidores de aplicaciones web y scripts Python. Scikit-learn es una herramienta eficiente para el análisis de datos. Es de código abierto y comercialmente utilizable. Es la biblioteca de aprendizaje automático de propósito general más popular.

Después de trabajar con scikit-learn, puede llevar la programación de IA usando Python al siguiente nivel y explorar la agrupación de k-means. También debe leer sobre los árboles de decisión, la predicción numérica continua, la regresión logística, etc. Si desea obtener más información sobre Python en IA, lea sobre un marco de aprendizaje profundo Caffee y una biblioteca de Python Theano.

Hay bibliotecas de Python AI: AIMA, pyDatalog, SimpleAI, EasyAi, etc. También hay bibliotecas de Python para el aprendizaje automático: PyBrain, MDP, scikit, PyML. Si busca bibliotecas de procesamiento de texto y lenguaje natural, consulte NLTK.

Como puede ver, la importancia de Python para AI es obvia. Cualquier proyecto de aprendizaje automático se beneficiará del uso de Python. Como la IA necesita mucha investigación, la programación de la inteligencia artificial usando Python es eficiente: puede validar casi todas las ideas con hasta treinta líneas de código.

Fuente: Crear IA usando Python es más fácil de lo que piensas

La construcción de un sistema de IA requiere una amalgama de lenguajes, marcos, distribuciones, lenguajes de secuencias de comandos. Las matemáticas, el razonamiento también contribuyen al diseño de la misma.

Anaconda que mencionaste aquí es una distribución que se compone de diferentes bibliotecas, usa python para trabajar. Se puede usar para construir una IA sin poder lograr todos los objetivos de IA. Es una gota en el océano teniendo en cuenta los puntos mencionados anteriormente.

Sí, puedes construir una IA incompleta.