Python

[Чайник777]

Сейчас всё, сввязанное с AI, почему-то привязывается к этому языку программирования. Насколько я понимаю, дело в быстроте прототипирования и наличии мощных библиотек.
Стоит ли сейчас учить его или лучше подождать пока появится что-то годное для других платформ/языков? Быстро сеньором в питоне не станешь 

[Tanuki-san]

зачем учить питон, если все ходовые задачи прекрасно решает Чатжпт? Профессия без будущего

[Python]

На базовому рівні знати треба — дефолтова мова, як-не-як. Поки що це мова з низьким порогом входження і широкими можливостями. Навіть якщо не використовувати її професійно як основну мову, все одно краще знати, ніж не знати.

Перспективи. Я б сказав, в останніх версіях вже намітилась тенденція до громідкості й непідйомності, у т.ч., на рівні синтаксису. З моєї точки зору, це перший симптом подальшого заморожування розширення сфери застосування мови — далі легка мова для всіх мутує в серйозну мову для обраних, новачкам стає важко пробитись, ринок заповнюється спеціалістами з десятками років досвіду — тобто, те, що ми бачимо в C/C++. Рано чи пізно всі популярні мови скочуються до цього. Python поки що на вершині, і я не можу назвати мову, що його потіснить в майбутньому, але років через 10 усе може бути інакше.

[Upliner]

зачем учить питон, если все ходовые задачи прекрасно решает Чатжпт? Профессия без будущего

Зачем учить географию, извозчик и так довезёт?

Стоит ли сейчас учить его или лучше подождать пока появится что-то годное для других платформ/языков? Быстро сеньором в питоне не станешь 

А в каком языке вы уже сеньор?

В принципе никто не мешает уже сейчас полноценно работать с ИИшкой через C/C++ (onnxruntime), C# (WinML), Swift (CoreML).

[Tanuki-san]

Зачем учить географию, извозчик и так довезёт?

вы учите географию для общего кругозора, а не для того, чтобы на этом зарабатывать деньги вопрос Чайника был с подтекстом делать на этом карьеру

[Python]

зачем учить питон, если все ходовые задачи прекрасно решает Чатжпт? Профессия без будущего

ЧатДжПТ може писати увесь код за вас, але пітон треба вчити, щоб цей код читати. Раніше програміст писав усе сам — тепер він може перекласти свою роботу (всю або частину) на штучний інтелект, але контролювати роботу ШІ все одно доводиться. Начальник, який розуміє, що робить його робот-підлеглий, більш ефективний.

[Upliner]

вы учите географию для общего кругозора, а не для того, чтобы на этом зарабатывать деньги вопрос Чайника был с подтекстом делать на этом карьеру

В сфере ещё есть ниши, в которых можно конкурировать -- например многочасовую реалтаймовую обработку голоса GPT вам не сделает. Но наверное да, стоит поторопиться. Если есть желание делать это на каком-то другом языке -- то тут нужно быть передовиком, с помощью того же GPT или Claude сконвертировать недостающие утилиты и библиотеки с Питона на желаемый язык и т.д. Ну и тяжело будет выиграть конкуренцию с решениями, основанными на Питоне, но попробовать можно.

Просто ждать -- не вариант. Даже если хоршо знаешь язык программирования, главное -- хорошо разбираться в теме, иначе будешь абсолютно неконкурентоспособен.
Даже если появится допустим крутой JS фреймворк для работы с ИИ -- никто не наймёт тебя в ИИ-команию только потому, что ты хорошо знаешь JS. Спрашивать будут в первую очередь опыт работы с ИИ, и скорее возьмут хорошего питонщика и переучат его на JS.

[Квас]

Питон незаменим конкретно для машинного обучения, потому что на нём реализованы фреймворки: PyTorch и TensorFlow. (Точнее, питоновский интерфейс оборачивает низкоуровневое "мясо" этих фреймворков) В машинном обучении программирование тривиально, на уровне скриптов: задал архитектуру, параметры обучения,  источник данных - и вперёд. Сложность не в программировании вообще и не в питоне в частности, а как раз в машинном обучении: архитектура, параметры обучения и - самое главное - данные. Специалист по ML должен как-то понимать, какой нужен датасет, чтобы получилась хорошая модель. Это особое мышление, непохожее на программирование.

Обучив модель, питон экспортирует её, и её можно использовать в приложениях. А для приложений питон не является мейнстримом, скорее C++.

[Upliner]

Точнее, питоновский интерфейс оборачивает низкоуровневое "мясо" этих фреймворков

Тут PyTorch и TensorFlow отличаются: Tensorflow написан на C++ и питоновский интерфейс это действительно только обёртка. В принципе Tensorflow можно использовать в C++ сам по себе, но обычно его используют в связке с Keras, который питоновский. PyTorch же напсан на Питоне полностью, на других языках там либо привязки, либо какие-то совсем низкоуровневые части.

Если брать готовый onnx файл со структурой модели, то обучать можно без проблем и на C++. А вот задавать саму структуру модели -- с этим пока хорошо только в Питоне, на других языках придётся сильно заморочиться.

[Bhudh]

Вообще странно, что язык, который традиционно считается "медленным", стал лидером в ML, где на обучение сетки тратится куча времени. Когда "мясо" написано на сях, это ещё можно понять, но чисто питоновский код...
Или тут медленность Python компенсируется скоростью машинок, на которых происходит обучение?
На чём вообще написаны сами ChatGPT, Gemini, Claude и прочие гиганты штучной мысли?

[Upliner]

Или тут медленность Python компенсируется скоростью машинок, на которых происходит обучение?

Нет. Для меня самого это конечно загадка, но inference yolo+PyTorch+CUDA работает чуть быстрее, чем та же экспортированная yolo-модель на onnxruntime+CUDA.

[Квас]

Я больше чем уверен, что непосредственно number crunching написан на чём-то низкоуровневом типа C++.

[Upliner]

Ну да, либо на CUDA-диалекте C++ (расширение .cu), либо на GLSL, для расчётов чисто на CPU -- на обычных C/C++.

[Kurt]

Руст лучше с/с++? Заменит их?

[Upliner]

Концептуально лучше, но если и заменит, то наверное не при нашей жизни. На нишу C ещё Zig будет претендовать.