Polaris:
设计一个面向数据科学和人工智能的语言,我会考虑执行的速度,对于目前机器的兼容性,能够使用一些现有的库,兼容目前的主流语言,能够能贴近人类的语言习惯,容易掌握,更好的交互界面和简约性设计。
红花生:
我会考虑以下因素:1、这门语言是易于学习入门的,并且它的可读性比较强 2、有功能强大的软件包来实现各类功能如统计、神经网络等 3、能实现数据可视化,拥有一定的绘图功能。
Moe:
1. 性能(效率),如python属于编程语言中面面俱到但都不精通的语言,但如果能同时以python作为基础,同时拥有python的库,Numpy的科学的计算能力,c++的速度快的编程,java社区———可以帮助开发人员随时随地的查询和解决所遇到的问题,优化代码,兼容多种数据形态。 2.可视化 如Matlab有强大的内置绘图功能,可以用可视化的方式,或者交互的方式进行设计运行调试代码。 3.一般性特异性的平衡 总而言之,如果可以汇聚语言的优点应用在数据科学与人工智能方面(计算,运行速率,交互),而产生的新的语言,但是这种“完美”的语言是不存在的,我觉得可以有一种环境或者语法可以随时调用各种语言的库,函数,其特异的功能,然后可以进行组合使用。
陈诺:
稳定性、形象化(效果如www·pythontutor·com)、多领域效率都领先、语言可移植性、debug简便性。
领取专属 10元无门槛券
私享最新 技术干货