基本知識入門簡介

學(xué)生：岳清泉指導(dǎo)老師：鄢然副教授2018年4月人工智能及大數(shù)據(jù)開發(fā)2021/5/91主要內(nèi)容

1 人工智能簡介

1.1 AI的定義及研究目標 1.2 AI的產(chǎn)生與發(fā)展 1.3 AI研究中的三大學(xué)派 1.4 AI的兩個不同層次 1.5 AI的應(yīng)用

2 大數(shù)據(jù)簡介

2.1 大數(shù)據(jù)的概念 2.2 大數(shù)據(jù)的特點 2.3 大數(shù)據(jù)面臨的主要問題 2.4 大數(shù)據(jù)和人工智能的關(guān)系

3 相關(guān)算法基礎(chǔ) 3.1 基于模擬機制的人工智能算法分類方法 3.2 人工智能知識網(wǎng)絡(luò)系統(tǒng)總結(jié) 3.3 蒙特卡洛樹搜索樹算法簡介

4 編程語言Python簡介 4.1 認識Python 4.2 Python的應(yīng)用領(lǐng)域2021/5/92主要內(nèi)容 4.3 Python是人工智能首選語言

5 總結(jié)

2021/5/93

人工智能簡介11.1 AI的定義及其研究目標

人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是計算機科學(xué)的一個分支，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

人類智能人工智能研究領(lǐng)域語言智能自然語言處理，如Siri，訊飛翻譯邏輯判斷機器證明及符號運算神經(jīng)控制神經(jīng)網(wǎng)絡(luò)，如人機象棋視覺機器視覺和圖像識別自然觀察能力模式識別多種智能組合人工智能2021/5/94

人工智能簡介11.2 AI的產(chǎn)生與發(fā)展

2021/5/95

人工智能簡介1

誕生與早期研究 1950年，圖靈發(fā)表了一篇劃時代的論文，并提出著名的“圖靈測試”：由艾倫·麥席森·圖靈發(fā)明，指測試者與被測試者（一個人和一機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果有超出30%的測試者不能確定出被測試者是人還是機器，那么這臺機器就通過了測試，并被認為具有人類智能 1956年，達特茅斯會議：AI的誕生 1957年，紐厄爾、肖（J.Shaw）和西蒙等人的心理學(xué)小組研制了稱為邏輯理論機的數(shù)學(xué)定理證明程序。 1962年，由塞謬爾在IBM704計算機上研制的具有自學(xué)習(xí)和適應(yīng)能力的西洋跳棋程序打敗了一個州的冠軍。

挫折和教訓(xùn) 1958年，西蒙曾預(yù)言：十年內(nèi)，計算機將稱為國際冠軍；計算機將發(fā)現(xiàn)和證明有意義的數(shù)學(xué)定理；計算機將能譜寫優(yōu)美的樂曲；計算機將能實現(xiàn)大多數(shù)的心理學(xué)理論。后兩個到目前為止都未能實現(xiàn)。

在博弈方面，塞謬爾的程序與世界冠軍比賽時，5局輸了4局

在定理證明方面，當時用歸結(jié)原理證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)時，推了10萬步，也沒有證明出來。2021/5/96

人工智能簡介1

在神經(jīng)生理學(xué)方面，發(fā)現(xiàn)人腦有10^12以上的神經(jīng)元，用機器從結(jié)構(gòu)上根本無法模擬

在其他方面，人工智能也遇到了不少的困難，因此那段時間，在全世界范圍，人工智能陷入了低谷。

以知識為中心的研究

1972年，費根鮑勃開始研究MYCIN專家系統(tǒng)，并于1976年研制成功，它可以協(xié)助內(nèi)科醫(yī)生診斷細菌感染疾病并提供最佳處方。 1976年，斯坦福大學(xué)研制出地質(zhì)勘探專家系統(tǒng)PROSPECTOR

這一時期同時發(fā)展的還有計算機視覺和機器人，自然語言理解和機器翻譯翻譯等

新的問題

專家系統(tǒng)所存在的知識領(lǐng)域狹窄、缺乏常識性知識、知識獲取難、推理方法單一、沒有分布式功能、不能訪問現(xiàn)存數(shù)據(jù)庫的問題逐漸暴露出來

第三次AI興起浪潮 2006年后，大數(shù)據(jù)的廣泛應(yīng)用使得機器學(xué)習(xí)迅速發(fā)展，并進一步產(chǎn)生了深度學(xué)習(xí) 2016年3月，AlphaGo對戰(zhàn)世界圍棋冠軍、職業(yè)九段選手李世石，并以4:1的總比分獲勝。 2017年5月23日至27日在中國嘉興烏鎮(zhèn)進行的三番棋比賽，AlphaGo以總比分3比0戰(zhàn)勝世界排名第一的柯潔。2021/5/97

人工智能簡介11.3 AI研究中的三大學(xué)派

符號主義學(xué)派聯(lián)結(jié)主義學(xué)派行為主義學(xué)派基于符號運算的人工智能學(xué)派。他們認為知識可以用符號來表示，認知可以通過符號運算來實現(xiàn)。如專家系統(tǒng)。從大腦和神經(jīng)系統(tǒng)的生理背景出發(fā)模擬它們的工作機理和學(xué)習(xí)方式。之后，隨著模糊邏輯和進化計算的逐步成熟，又形成了“計算智能”主要進行行為主義的模擬。如1991年，麻省理工學(xué)院布魯克教授研究成功能較為自由活動的6條腿機器蟲。奠基人：西蒙（CMU）奠基人:明斯基（MIT）奠基人:維納（MIT）隨著研究和應(yīng)用的深入，人們逐漸意識到，三個學(xué)派各有所長，各有所短，如今的人工智能研究是將這三大學(xué)派的方法加以相互結(jié)合。2021/5/98

人工智能簡介11.4 AI的兩個不同層次

弱人工智能強人工智能令機器進行智能的行動。弱人工智能經(jīng)常是擅長某一單方面的人工智能。比如能戰(zhàn)勝圍棋世界冠軍的人工智能，但它只會下棋，你問它其他事情，它就無法處理。另一個典型代表是微軟小冰。它不僅安裝在Windows系統(tǒng)的pc上，它還擔任著東方衛(wèi)視《天氣預(yù)報》主持人的角色。強人工智能：令機器像人一樣思考。其基本定義為：人類制造出的具有自主推理和解決一般性問題的智能程序。此類程序具備知覺和自我意識，可以完成自我編程和開發(fā)新人工智能的工作。到目前為止，真正意義上的強人工智能還沒有研制出來，并且很可能在最近幾十年都還研制不出來2021/5/99

人工智能簡介11.5 AI的應(yīng)用

AI在互聯(lián)網(wǎng)領(lǐng)域類的應(yīng)用2021/5/910

人工智能簡介1

人工智能對社會經(jīng)濟的影響

新時代下，機器人產(chǎn)業(yè)將迎來井噴式的增長，并開始充斥在社會的各個角落，成為推動社會進步的強大力量?？梢灶A(yù)見，未來將會是商業(yè)、社會與機器人的聯(lián)合大接軌。

人工智能機器人將會在如下方面改變著人們的生活。

（1）引領(lǐng)時尚生活的服務(wù)機器人：餐廳服務(wù)機器人、家庭掃地機器人、達芬奇手術(shù)機器人、助殘機器人

（2）風(fēng)靡制造業(yè)的工業(yè)機器人：比如海爾美的中的六軸串聯(lián)機器人，負責(zé)搬運工作

（3）農(nóng)業(yè)機器人：育苗、采摘、蔬果分級練選、戶外載具、畜產(chǎn)機器人

（4）教育機器人，文化領(lǐng)域的助理

（5）特種機器人，深入險地，執(zhí)行特種任務(wù)

（6）太空機器人，探索宇宙，開啟神秘之旅

（7）云機器人：云計算與機器人的聯(lián)合

（8）仿生機器人：仿魚鳥等

（9）仿人機器人

對社會的影響

產(chǎn)業(yè)變革：人工智能的發(fā)展勢必形成產(chǎn)業(yè)變革，很多商業(yè)模式開始重新洗牌，對創(chuàng)業(yè)者來說既是機遇也是挑戰(zhàn)

2021/5/911

人工智能簡介1

失業(yè)和社會保障問題：人工智能的大規(guī)模使用，尤其是機器人的出現(xiàn)，大量可重復(fù)性的工作將被機器人取代，導(dǎo)致很多人失業(yè)

貧富差距問題：將會進一步加大，利用人工智能，有錢人將會更有錢，而窮人因為失去工作變的更窮

地區(qū)發(fā)展不平衡問題：人工智能屬于高科技產(chǎn)業(yè)，前期的投入非常大，一旦大規(guī)模市場化，則可以幫助所在地區(qū)提高生產(chǎn)效率，這意味著，缺乏人工智能技術(shù)的地區(qū)，發(fā)展速度會比擁有人工智能地區(qū)慢很多，兩地發(fā)展不平衡的差距將會越來越大

產(chǎn)業(yè)結(jié)構(gòu)調(diào)整：人工智能時代，人與機器的分工，會促進產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整

人工智能時代的服務(wù)業(yè)：服務(wù)升級，下崗人員可以從事貼心的關(guān)愛型服務(wù)，同時提升企業(yè)的收益

對個人的影響

失業(yè)和社會保障問題

心理層面的問題：人員的自我價值、人類的自我實現(xiàn)、人機協(xié)同時代的人類心理學(xué)

2021/5/912

大數(shù)據(jù)簡介22.1 大數(shù)據(jù)的概念

大數(shù)據(jù)（bigdata）：指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

主要解決，海量數(shù)據(jù)的存儲和海量數(shù)據(jù)的分析計算問題。2.2 大數(shù)據(jù)的特點

Volume（大量）：截至目前，人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量是200PB，而歷史上全人類總共說過的話的數(shù)據(jù)量大約是5EB。當前，典型個人計算機硬盤的容量為TB量級，而一些大企業(yè)的數(shù)據(jù)量已經(jīng)接近EB量級。按順序給出數(shù)據(jù)存儲單位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。

2021/5/913

大數(shù)據(jù)簡介2

Velocity（高速）：

這是大數(shù)據(jù)區(qū)分于傳統(tǒng)數(shù)據(jù)挖掘的最顯著特征。根據(jù)IDC的“數(shù)字宇宙”的報告，預(yù)計到2020年，全球數(shù)據(jù)使用量將達到35.2ZB。在如此海量的數(shù)據(jù)面前，處理數(shù)據(jù)的效率就是企業(yè)的生命。

天貓雙十一：2017年3分01秒，天貓交易額超過100億2021/5/914

大數(shù)據(jù)簡介2

Variety（多樣）：

這種類型的多樣性也讓數(shù)據(jù)被分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。相對于以往便于存儲的以數(shù)據(jù)庫/文本為主的結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)越來越多，包括網(wǎng)絡(luò)日志、音頻、視頻、圖片、地理位置信息等，這些多類型的數(shù)據(jù)對數(shù)據(jù)的處理能力提出了更高要求。 Value（低價值密度）：價值密度的高低與數(shù)據(jù)總量的大小成反比。比如公安部門的天網(wǎng)監(jiān)控視頻中，每天每一分鐘每一秒都在存儲數(shù)據(jù)，但是公安部門關(guān)心的僅僅是發(fā)生交通事故時的那么幾分鐘的事發(fā)過程的視頻內(nèi)容。2021/5/915

大數(shù)據(jù)簡介22.3 大數(shù)據(jù)面臨的主要問題

大數(shù)據(jù)時代已經(jīng)來臨，全球數(shù)據(jù)量正呈指數(shù)級的增長，其主要原因如下：

（1）各種傳感器的劇增及互聯(lián)網(wǎng)產(chǎn)生的各類數(shù)據(jù)、高清晰度的圖像和視頻數(shù)據(jù)

（2）自然科學(xué)研究產(chǎn)生的數(shù)據(jù)量劇增。

（3）企業(yè)及商業(yè)活動產(chǎn)生的數(shù)據(jù)量劇增。

大數(shù)據(jù)處理的一般流程包括大數(shù)據(jù)獲取、大數(shù)據(jù)預(yù)處理、大數(shù)據(jù)存儲于管理、大數(shù)據(jù)分析與挖掘及大數(shù)據(jù)可視化?；诖髷?shù)據(jù)處理流程，大數(shù)據(jù)面臨的主要問題為：

獲取問題、存儲問題和管理問題

第一階段即大數(shù)據(jù)的獲取、存儲和管理。其中，大數(shù)據(jù)獲取是指針對海量數(shù)據(jù)進行智能化識別、定位、跟蹤及采集。大數(shù)據(jù)存儲和管理是指如何將采集到的大規(guī)模數(shù)據(jù)有效地存儲起來，建立相應(yīng)的存儲機制，并進行管理和調(diào)用。

（1）網(wǎng)絡(luò)爬蟲搜索策略

（2）圖像壓縮編碼問題

檢索問題、挖掘問題和發(fā)現(xiàn)問題

第二個階段是實現(xiàn)信息檢索、數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。這也是大數(shù)據(jù)處理流程的核心。

（1）特征向量降維：高維的文本特征向量增加了數(shù)據(jù)處理時間和復(fù)雜2021/5/916

大數(shù)據(jù)簡介2度，需要降維。

（2）挖掘方法效率和效果

（3）模式評價及優(yōu)化：對挖掘出的模式進行評價

可視化和安全問題

大數(shù)據(jù)處理的最后階段即實現(xiàn)數(shù)據(jù)可視化和確保數(shù)據(jù)的隱私和安全。面對海量的數(shù)據(jù)，如何將數(shù)據(jù)或從數(shù)據(jù)中挖掘的知識清晰明朗的展現(xiàn)給用戶是大數(shù)據(jù)處理面臨的巨大挑戰(zhàn)；此外，如何在分享私人數(shù)據(jù)的同時，限制用戶隱私的泄露，是大數(shù)據(jù)處理面臨的另一個挑戰(zhàn)。2.4 大數(shù)據(jù)與人工智能的關(guān)系

任何智能的發(fā)展，其實都需要一個學(xué)習(xí)的過程。而近期人工智能之所以能取得突飛猛進的進展，不能不說是因為這些年來大數(shù)據(jù)長足發(fā)展的結(jié)果。正是由于各類感應(yīng)器和數(shù)據(jù)采集技術(shù)的發(fā)展，我們開始擁有以往難以想象的的海量數(shù)據(jù)，同時，也開始在某一領(lǐng)域擁有深度的、細致的數(shù)據(jù)。而這些，都是訓(xùn)練某一領(lǐng)域“智能”的前提。

如果我們把人工智能看成一個嗷嗷待哺擁有無限潛力的嬰兒，某一領(lǐng)域?qū)I(yè)的海量的深度的數(shù)據(jù)就是喂養(yǎng)這個天才的奶粉。奶粉的數(shù)量決定了嬰兒是否能長大，而奶粉的質(zhì)量則決定了嬰兒后續(xù)的智力發(fā)育水平。2021/5/917

相關(guān)算法基礎(chǔ)33.1 基于模擬機制的人工智能算法分類方法

（1）有機機制模擬 ①基于個體的模擬 模糊計算：模擬人對客觀世界認識的不確定性 神經(jīng)網(wǎng)絡(luò)：模擬人腦神經(jīng)元 支持向量機：通過非線性變換將輸入空間變換到一個高維空間，然后在這個新的空間中求取最優(yōu)分類超平面 免疫計算：借鑒和利用生物免疫系統(tǒng)的信息處理機制而發(fā)展的信息處理技術(shù)

DNA計算：模擬生物分子DNA結(jié)構(gòu)進行計算的新方法 ②基于種群的模擬 進化計算：基于生物進化的思想和原理來解決世界問題 群體智能：是一種在自然界生物群體行為的啟發(fā)下提出的人工智能算法實現(xiàn)模式

粒群優(yōu)化：一種基于群體搜索的算法，它建立在模擬鳥群社會的基礎(chǔ)上 蟻群算法：是一種源于大自然中生物世界的新的仿生類算法 智能代理模型 多Agent系統(tǒng)

2021/5/918

相關(guān)算法基礎(chǔ)3

（2）無機機制模擬 模擬退火：如果說神經(jīng)網(wǎng)絡(luò)和進化計算是模擬有機界產(chǎn)生的計算方法，那么模擬退火是成功模擬無極界自然規(guī)律的結(jié)晶。 自然計算可以描述成所有新興計算分支的交集的映射集合 量子計算 （3）人造機制模擬 粗糙集：作為一種處理不精確、不確定和不完全數(shù)據(jù)的新的數(shù)學(xué)計算理論，能夠有效的處理各種不確定的信息 禁忌搜索 序數(shù)優(yōu)化 粒度計算 混沌尋優(yōu)算法 局部搜索算法 分形科學(xué)2021/5/919

相關(guān)算法基礎(chǔ)33.2 人工智能知識網(wǎng)絡(luò)系統(tǒng)總結(jié) 3.2.1

數(shù)學(xué)基礎(chǔ)

微積分、線代、概率論、信息論、集合論和圖論、博弈論 3.2.2

計算機基礎(chǔ)

計算機原理、程序設(shè)計語言（C++,Python,R）、操作系統(tǒng)、分布式系統(tǒng)、算法基礎(chǔ) 3.2.3

機器學(xué)習(xí)算法

機器學(xué)習(xí)基礎(chǔ)：估計方法、特征方程

線性模型：線性回歸

邏輯回歸

決策樹模型：GBDT

支持向量機

貝葉斯分類器

神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí)——MLP,CNN,RNN,LSTM,GAN（深度學(xué)習(xí)介紹見4.6）

聚類算法：K均值算法 3.2.4

機器學(xué)習(xí)分類

監(jiān)督學(xué)習(xí)——分類任務(wù)、回歸任務(wù)

無監(jiān)督學(xué)習(xí)——聚類任務(wù)

遷移學(xué)習(xí)2021/5/920

相關(guān)算法基礎(chǔ)3

強化學(xué)習(xí) 3.2.5

神經(jīng)網(wǎng)絡(luò)

語言識別、字符識別——手寫識別、機器視覺、自然語言處理——機器翻譯、自動控制、游戲理論和人機對弈（象棋、圍棋、德州撲克、星際爭霸）、數(shù)據(jù)挖掘 3.2.6

機器學(xué)習(xí)架構(gòu)

加速芯片：CPU、GPU、FPGA、ASIC——TPU

虛擬化：容器——Decker

分布式結(jié)構(gòu)：Spark

庫和計算框架：TensorFlow、scikt-learn、Caffe、MXNET、Theano、Torch、MicrosoftCNTK

可視化解決方案

云服務(wù)：AmazonML、GoogleCloudML、MicrosoftAzureML、阿里云ML 3.2.7

數(shù)據(jù)集和競賽 ImageNet、MSCOCC、Kaggle、阿里天池 3.2.8

其他相關(guān)的人工智能技術(shù)

知識圖譜、統(tǒng)計語言模型、專家系統(tǒng)2021/5/921

相關(guān)算法基礎(chǔ)33.3 蒙特卡洛樹搜索樹算法簡介 3.3.1 介紹 蒙特卡洛樹搜索是前里爾大學(xué)助理教授RemiCoulom在圍棋程序Crazystone中首先引入的方法。從最直觀的角度來看，蒙特卡洛樹搜索有一個主要目的：給出一個【游戲狀態(tài)】并選擇【勝率最高的下一步】。事實上，蒙特卡洛樹搜索是在完美信息博弈場景中進行決策的算法。簡單來說，完美信息博弈是指每個玩家在任意時間點都具有關(guān)于之前發(fā)生過的所有事件行動的完美信息的博弈。這樣的博弈案例有國際象棋、圍棋和井子棋。但并不是說每一步行動都已知就意味著可以計算和推斷出每一個可能的結(jié)果。比如，圍棋中合法的可能局面的數(shù)量就超過了10^170。 3.3.2 基本概念 蒙特卡洛樹搜索會多次模擬博弈，并嘗試根據(jù)模擬結(jié)果預(yù)測最優(yōu)的移動方案。蒙特卡洛樹搜索的主要概念是搜索，即沿著博弈樹向下的一組遍歷過程。單次遍歷的路徑會從根節(jié)點（當前博弈狀態(tài)）延伸到?jīng)]有完全展開的節(jié)點，未完全展開的節(jié)點表示其子節(jié)點至少有一個未訪問到。遇到未完全展開的節(jié)點時，它的一個未訪問子節(jié)點將會作為單次模擬的根節(jié)點，隨后模擬的結(jié)果將會反向傳播回當前樹的根節(jié)點并更新博弈樹的節(jié)點統(tǒng)計數(shù)據(jù)。一旦搜索受限于時間或者計算力而終止，下一步行動將會基于收集到的統(tǒng)計數(shù)據(jù)進行決策。 在模擬中，行動可以通過rollout策略函數(shù)選擇 蒙特卡羅算法：采樣越多，越近似最優(yōu)解；

2021/5/922

相關(guān)算法基礎(chǔ)3圖片展示了如何更新節(jié)點的勝率，選擇勝率大的分支進行搜索（7/10->5/6->3/3)，到了3/3葉子節(jié)點進行展開選擇一個action，然后進行模擬，評估這個action的結(jié)果。然后把結(jié)果向上回溯到根節(jié)點。

2021/5/923

相關(guān)算法基礎(chǔ)3節(jié)點的統(tǒng)計數(shù)據(jù)：包括模擬獎勵Q（v）和總訪問次數(shù)N（v），分別反映該節(jié)點的潛在價值（總模擬獎勵）和它被探索的程度（總訪問次數(shù)）。高獎勵的節(jié)點是很好的可以利用候選，而那些訪問次數(shù)很少的也可能是有價值的。

蒙特卡羅樹搜索方法一共有四個步驟： 選舉(selection)是根據(jù)當前獲得所有子步驟的統(tǒng)計結(jié)果，選擇一個最優(yōu)的子步驟。 擴展(expansion)在當前獲得的統(tǒng)計結(jié)果不足以計算出下一個步驟時，隨機選擇一個子步驟。 模擬(simulation)模擬游戲，進入下一步。 反向傳播(Back-Propagation)根據(jù)游戲結(jié)束的結(jié)果，計算對應(yīng)路徑上統(tǒng)計記錄的值。

2021/5/924

編程語言Python簡介44.1 認識Python

Python（英國發(fā)音：/?pa?θ?n/）,是一種面向?qū)ο蟮慕忉屝陀嬎銠C程序設(shè)計語言，由荷蘭人GuidovanRossum（吉多·范羅蘇姆）于1989年發(fā)明，第一個公開發(fā)行版發(fā)行于1991年，已經(jīng)有了28年的歷史。 Python是純粹的免費、開源軟件。 Python語法簡潔清晰，簡單易學(xué)。 Python具有豐富和強大的庫。常被稱為膠水語言，能夠把用其他語言制作的各種模塊（尤其是C/C++）很輕松地聯(lián)結(jié)在一起。很多人工智能相關(guān)庫使用Python寫的，因此Python是人工智能首選語言。2017年，全球編程語言排行中，Python語言排名第四2021/5/925

編程語言Python簡介4

①一種腳本語言——與之對比，C是一種編譯型語言。 編譯型語言：就是需要用該語言的編譯器將源代碼編譯為可執(zhí)行程序，然后才能運行可執(zhí)行程序的語言。即先將源代碼編譯為目標文件，然后把目標文件加上必要的庫文件，最后再鏈接為最終的可執(zhí)行文件。 腳本語言：無需用編譯器編譯源代碼，可直接運行該源碼形式腳本文件的語言。而能夠直接運行腳本文件的背后，是當前環(huán)境中存在著此腳本的解析器。解析器負責(zé)讀入此腳本源碼，以及后續(xù)解析并執(zhí)行的動作。

②一種解釋型語言

這是因為腳本語言的天然特點之一就是解釋性。解釋器解析每一行的過程通俗講就是：讀一行，解釋一行，執(zhí)行一行。

③一種高級語言

低級語言：匯編（語言本身直接和硬件打交道，而缺少對計算機細節(jié)的抽象，相對而言不是那么好理解和使用）

高級語言：在本身的設(shè)計層面會考慮到對計算機細節(jié)的封裝和抽象。Python也完全具有常用的基本元素，如各種普通變量、列表、函數(shù)等 Python能做其他高級語言做的事情——①可以像其他高級語言一樣用來開發(fā)各種不同功能的軟件；②和其他高級語言一樣不能直接操作底層硬件。

2021/5/926

編程語言Python簡介4

④一種面向?qū)ο蟮恼Z言

什么是面向?qū)ο蟮模ǜ呒墸┱Z言:在設(shè)計該語言本身時，對于語言本身的基本元素是以對象的方式設(shè)計的，而不同的對象之間的交互則成為整個程序運行的主要表現(xiàn)形式。4.2 Python的應(yīng)用領(lǐng)域

目前使用Python語言的企業(yè)有很多 1.著名的Google公司在其網(wǎng)絡(luò)搜索系統(tǒng)中廣泛應(yīng)用Python語言。同時還聘用了Python之父（GuidovanRossum） 2.國外知名的YouTube視頻分享網(wǎng)站，一些重要的服務(wù)也幾乎都是用Python編寫的程序；

3.P2P文件分享系統(tǒng)Bittorrent是一個Python程序。

4.Intel(英特爾)、Cisco(思科)、Hewlett-Packard(惠普)、Seagate(希捷)、Qualcomm(高通)和IBM也都使用Python進行硬件測試 5.JPMorganChase(摩根大通集團)、UBS(瑞士聯(lián)合銀行集團)、Getco和Citadel使用Python，經(jīng)濟市場預(yù)測領(lǐng)域也能看到Python的身影。 6.高科技含量的領(lǐng)域也有Python語言的身影，像是NASA(美國國家航空航天局)、LosAlamos(洛斯阿拉莫斯洛杉磯國家實驗室)、Fermilab(費米實驗室)、JPL(噴氣推進實驗室)等使用Python實現(xiàn)科學(xué)計算任務(wù)；2021/5/927

編程語言Python簡介4 7.IRobot公司使用Python開發(fā)了商業(yè)機器人真空吸塵器； 8.NSA(美國國家安全局)在加密和智能分析中使用Python。

9.IronPort業(yè)界領(lǐng)先的互聯(lián)網(wǎng)信息安全產(chǎn)品提供商，也在電子郵件服務(wù)器產(chǎn)品中使用了超過100萬行的Python代碼實現(xiàn)其工作；

10.Python在用戶圖形接口領(lǐng)域也很受歡迎

Python語言的簡潔和快速的開發(fā)周期，讓它十分適合開發(fā)GUI(圖形用戶界面)程序。Python內(nèi)置的TKinter的標準面向?qū)ο蠼涌赥kGUIAPI，使Python程序可以生成可移植的本地觀感的GUI。 Python編程語言應(yīng)用領(lǐng)域非常廣泛，像是游戲、圖像、人工智能、XML、機器人等等。從語言本身來講，它能實現(xiàn)其他主流語言能實現(xiàn)的所有功能，只是在