Python开发人员在人工智能时代有望取得成功，只需一点技能提升的帮助。
人工智能的广泛采用正在软件工程领域引发一场范式转变。Python由于其易用性、成熟的生态系统和满足人工智能数据驱动需求的能力，它很快成为AI开发的首选编程语言。机器学习(机器学习)工作流。随着人工智能扩展到新的行业和应用场景，以及Python的功能不断演进，精通该语言的开发人员的需求将会激增。投资于人工智能和机器学习知识的Python开发人员将在人工智能时代占据有利位置并茁壮成长。
Python 是the根据最受流行的编程语言TIOBE编程社区指数Python在2021年首次超越其他语言，并且其受欢迎程度持续激增，而其他语言的增长大多停滞不前。与此同时，在Google上搜索编程语言教程的查询中，近30%是关于Python的，几乎是第二高的两倍。Java，据排名第二的PYPL指数这基于来自Google Trends的数据。难怪Python的流行也延伸到了AI工作流中。
为什么Python领先于人工智能开发
有几个因素使Python成为开发AI的理想选择，包括其易用性、丰富的不断增长的AI库和工具包生态系统，以及可用于提高其执行速度和可扩展性的库和工具。
易用性和生态系统
Python易于学习，编写简单，这使得没有编程经验的人也能轻松掌握。它不需要开发者编写复杂的样板代码，并且可以迭代地编写。适用于Python的许多人工智能开发工具包中的库通常都很轻量级，并不要求构建或训练AI模型。相反，Python开发者可以使用供应商提供的专门工具来利用现有的模型加速AI应用程序的开发。
围绕Python的生态系统是巨大的。有一套专门为AI和机器学习设计的丰富的库和框架，包括TensorFlow, PyTorch, Keras,Scikit-learn,和熊猫这些工具提供了预建的功能和结构，使快速开发和原型设计成为可能。此外，像这样的包和库โรงพยา�试句，直接输出原文中未翻译的部分：In addition, packages and libraries likeNumPy并且Pandas使得数据操作和分析变得简单，并且非常适合处理大规模数据集。许多用于AI和机器学习的Python工具都开源促进合作与创新。
用户基础和用例
随着人工智能的发展，Python为更多的人和应用场景打开了大门。今天，Python可以用于探索性的工作，甚至低代码解决方案。未来将要构建的大多数人工智能应用都不需要PyTorch和TensorFlow那样的定制化程度和计算能力。未来的AI应用程序将使用不同的库，如LangChain或者LlamaIndex用于构建使用应用程序大规模语言模型（大型语言模型）。
与此同时，新的Python包不断被添加，并将扩展视野，不再局限于AI，而是包括更多常见的应用场景，如构建高级网站。目前开发人员使用Python进行的所有工作都将受到某种形式的AI影响。
性能辅助工具
Python可以使用像这样的库进行扩展Cython接近达到的性能水平的C语言以及即时编译器如PyPy可以显著提高代码执行速度。关键的性能组件可以用C或C++编写，并用Python封装，结合了性能与Python易用性的优势。Python使得从原型过渡到生产就绪解决方案变得容易，特别是借助于设计用于扩展Python应用程序的工具。如Dask或Ray.
AI项目对Python开发人员的要求
虽然Python的易用性使得即使是相对缺乏经验的开发人员也能轻松学习这门语言，但在未来的人工智能行业中，开发人员需要专注于特定的技能。他们将需要编写能够快速高效地处理大规模数据集的人工智能代码。理解诸如并行编程、节流和负载平衡等概念将是必要的。Python开发人员具备成功完成这些任务的基础知识，但他们需要扩展他们的技能集，以便有效地转向人工智能项目，并在竞争激烈的就业市场中脱颖而出。
Python开发人员可能存在技能缺口的一个领域是与AI代理合作，这是人工智能创新的下一波浪潮。在代理式AI中，软件代理被设计为自主地向着既定目标工作，而不仅仅是响应提示提供信息。开发人员将需要理解如何编写能够遵循这种复杂编排或步骤序列的程序。
AI也在开发过程本身中扮演更加积极的角色。它像一个副驾一样，在查找代码样本和编写软件方面做大量工作，从而释放出开发人员的时间，使他们能够专注于代码审查和更高层次的战略性工作。让AI生成可靠且安全的代码是一门艺术。这是一项重要的技能集，对于未来的开发者来说至关重要。
如何开启你的AI学习之旅
我的建议是？开发人员应该总是正在学习如何使用新技术并补充技能，但人工智能创新的快速步伐带来了更大的紧迫性。我坚信终身学习，并认为学习和成长的责任在于个人而不是他们工作的公司。在当今世界，每个人触手可及的地方都有大量的免费、极其有价值的教育资源；可访问性和成本不是拒绝提升技能的有效借口。如果开发人员现在开始每天哪怕只有15分钟的时间来实现他们的AI学习目标，他们最终将会收获回报。
许多公司为员工甚至普通公众提供专业发展津贴和机会，比如谷歌, 雪 Flake 大学，和 MongoDB大学. Coursera 和 Udemy提供免费和收费的认证和课程。 YouTube提供了很多教程，包括一个来自freeCodeCamp.org，Codecademy提供了一個免费课程在其网站上。主要大学也提供免费的Python课程给公众。这些资源包括到处都是.
不过，没有什么能比得上实践训练。如果你能在工作中将AI任务与Python结合使用，并在实践中学习，这对你会有好处，也会对你所在的公司有益。对于那些没有这种机会的人，我建议你们卷起袖子，在自己的时间里开始进行Python项目的学习。大约一年前，我在几个周末的时间内用Python构建了一个基于AI的小工具来帮助我的健身训练和营养建议。这只是你可以主动学习AI技能的一个例子，以一种实践且有趣的方式。我鼓励我管理的所有人以及遇到的每个人都能这样做。
Python与AI之间的协同效应很强，随着AI被整合到更多应用程序和行业中，这种协同效应预计会变得更加强大。Python的简洁性和通用性使其成为希望利用AI力量的开发者的理想选择。随着AI技术的发展和普及，Python开发者有机会主动学习这些新技术，并在快速变化的环境中保持相关性和适应性。
杰夫·霍兰是应用和开发工具负责人。雪花片（注意：这里的“Snowflake”在没有具体上下文的情况下，可能指代多种含义如雪花、数据库管理系统等。此处为直译）原文或常见意译为“雪花”。请根据实际需要选择合适的翻译。如果要求直接词对词翻译，则为“雪花片”。.
—
生成式AI洞察提供了一个平台，让技术领导者（包括供应商和其他外部贡献者）可以探讨和讨论生成式人工智能的挑战与机遇。选择范围广泛，从技术深度解析到案例研究再到专家观点，但也是基于我们的判断，挑选出最能服务于InfoWorld的技术娴熟读者群体的主题和内容。InfoWorld不接受营销资料用于出版，并保留编辑所有投稿内容的权利。联系doug_dineley@foundryco.com.