No lo es. En el pasado, muchos investigadores de procesamiento de señales y visión por computadora usaban Matlab (del cual Octave es un clon de código abierto), porque es un entorno matemático, y a los ingenieros de procesamiento de señales se les enseñó a pensar en términos de matemáticas más que en términos de software . En aquel entonces, también tenía un mejor soporte para el cálculo numérico que la mayoría de sus competidores. Si quería hacer álgebra lineal, a menudo era eso o un lenguaje propenso a errores de bajo nivel como C ++ o Fortran (¡sí, de verdad!)
Luego, este oscuro subcampo de procesamiento de señales llamado “aprendizaje automático” se dio cuenta, y estos modelos no fueron prácticos para implementar en matlab. Mucha gente también entró en el aprendizaje automático a partir de un desarrollo de software / antecedentes informáticos en lugar del procesamiento de señales, y les gustaron otros lenguajes como Python. Python obtuvo una muy buena biblioteca para computación numérica llamada numpy, y una para aprendizaje automático llamada scipy, y hoy en día casi todos los grandes marcos de redes neuronales (Tensorflow, Keras, Theano, Lasagne, Chainer, Dynet y mi Pytorch favorito) están escritos en Python Python es definitivamente el mejor lenguaje para aprender hoy en día para el aprendizaje automático.
- ¿Por qué el libro de Murphy dice en el clasificador generativo que no tenemos que volver a entrenar el modelo cuando agregamos más clases?
- ¿Cómo entrenamos redes neuronales en imágenes en lugar de datos numéricos?
- ¿Cómo se hacen los algoritmos EM?
- ¿Cuál es el mejor método para presentar la idea de una red neuronal de convolución a un profano?
- ¿Crees que es posible generar historias, pistas dadas, usando técnicas de PNL?