🌳 文章標題：為什麼資料科學家應該開始學習 Swift
前一陣子 Google 發布了 TensorFlow for Swift (✍ http://bit.ly/2wxuG5e )，這篇文章的作者對這件事發表了他的看法，他表示 - 不要認為 TensorFlow for Swift 僅僅是對 TensorFlow 進行了簡單的包裝以方便 iOS 裝置使用，該專案試圖改變整個機器學習和資料科學生態系統所使用的預設工具。
他的理由論點是 - 人工智慧透過神經網絡和深度學習的復興以及人工智慧的應用場景轉向數十億智慧手機和物聯網設備。這兩種技術都需要高性能的運算，Python 看起來不太合適。
文中提到更容易做機器學習的程式語言應該包括的特性有：
1. 可讀性高，高效率的語法
2. 腳本能力
3. 類似 Notebook 的介面
4. 活躍社群所建構的第三方程式庫
5. 能自動編譯針對從 TPU 到移動晶片特定硬體平台的程式碼
6. 能在移動裝置上運行
7, 接近 C 語言的性能
這些特性 Python 比較略遜一疇的是 - Swift 的開源編譯器和靜態類型使得針對特定 AI 晶片組進行建構成為可能
✍ 感想：iOS CoreML 的 model 還是要透過外部的深度學習程式庫來訓練模型，這篇文章我覺得這位資料科學家沒有提到雲端分散式的運算的角色，嵌入式裝置需要從頭包辦所有人工智慧的整個流程? 物聯網裝置畢竟還是有成本考量，所以 Swift 相較 Python 的優勢應該只是使用者裝置端，況且 Tensorflow 也有針對嵌入式裝置推出的版本 ( Tensorflow Lite 支援 Java/C++ )
✍ 對於 Tensorflow 相關線上課程有興趣可以參考 http://bit.ly/2wsyPr4
✍ 對於 Swift 相關線上課程有興趣可以參考 http://bit.ly/2wyTee3
https://heartbeat.fritz.ai/why-data-scientists-should-start…
