Esta pregunta nunca falta en todas las confererncias o clases sobre introducción a la inteligencia artificial. Dado que muchas personas que empiezan en esta área tienen experiencia en otros lenguajes, consideré importante saber por qué vale la pena darle una oportunidad a Python.

Es muy fácil de aprender y utilizar

Cuando hablamos de ciencia de datos, es muy importante comprender los conceptos matemáticos y estadísticos que fundamentan los algoritmos. Recorrer estos temas nos llevará mayor o menor tiempo dependiendo de nuestra experiencia previa con ellos. Al ser tan fácil de utilizar, Python evita tener que pensar en el código para la implementación y ayuda profundizar directamente en la comprensión del algoritmo.

Si ya conoces algún lenguaje de programación, la sintaxis de Python será bastante fácil de asimilar y no tendrás que preocuparte mucho por el proceso de adaptación. En caso de que sea tu primer lenguaje de programación, tendrás la ventaja de empezar por algo amigable y muy fácil de comprender.

Python es muy potente

No dejes que la facilidad de uso te engañe. Python es un lenguaje bastante potente y muy capaz de ejecutar prácticamente cualquier tarea. Si bien es cierto que en rendimiento puro puede quedarse un poco detrás de C++ o Rust, no tiene nada que envidiar a estos. En especial en el ámbito web, Python se ha establecido como uno de los lenguajes con mejor rendimiento en ambientes de producción. Hoy en día soporta el backend de aplicaciones tan grandes como Instagram, Dropbox y Pinterest.

Además, gracias a las funcionalidades incluidas a partir de la versión 3.5, Python es muy bueno para ejecutar tareas en paralelo. Esto significa que puedes distribuir la carga de cómputo a lo largo de varios núcleos o varios equipos para incrementar el rendimiento del proceso.

Existe un ecosistema bastante robusto

La cantidad de frameworks, librerías y herramientas enfocadas en ciencia de datos es bastante alta. Tan solo en el gestor de paquetes de Python, PyPi, existen más de 10,000 paquetes enfocados en uso científico. Desde reconocimiento de imágenes hasta procesamiento de lenguaje natural, pasando por análisis económico y estadístico; hay cualquier variedad de paquetes científicos disponibles en Python. Algunas de las herramientas más destacadas son:

• TensorFlow: desarrollado por Google y utilizado por un gran buen porcentaje de las compañías más grandes del mundo, es el framework estándar de la industria para desarrollar modelos de inteligencia artificial y lanzarlos a producción bajo grandes cargas de trabajo.
• PyTorch: uno de los frameworks más utilizados para investigación científica. Es fuertemente apoyado por Facebook y constituye una de sus principales herramientas para desarrollar inteligencia artificial.
• Jupyter Notebook / Lab: un entorno de desarrollo con interfaz web facilita la creación de modelos estadísticos y de inteligencia artifical. Se ha convertido en el estándar para realizar análisis de datos y numéricos que se puedan compartir fácilmente. Por ejemplo el premio Nobel en economía publicó sus resultados utilizando esta herramienta.
• Pandas: esta librería es una de las herramientas de análisis y procesamientos de datos más importantes del mundo. Constituye la base para una gran cantidad de aplicaciones financieras y económicas en los más grandes mercados de valores del mundo.

Trae baterías incluidas

A pesar del gran ecosistema desarrollado por terceros, Python integra una librería estándar bastante completa. Sin necesidad de instalar ninguna dependencia externa, con el lenguaje puedes:

• Utilizar una gran cantidad de funciones estadísticas utilizando el módulo statistics
• Iniciar un servidor web con su módulo http
• Enviar correos electrónicos http
• Imprimir el texto mostrado en consola de forma más “bonita” gracias a pprint
• Interactuar directamente con elementos del sistema operativo usando os
• Abrir un socket para conexiones de red con socket

Tiene una gran comunidad

Python se ha convertido en uno de los lenguajes de programación más utilizados del mundo. La última encuesta de Stack Overflow indicó que es el segundo lenguaje más popular, tan solo detrás de JavaScript. Algo destacable es que mientras este último es prácticamente la única opción para desarrollar front-end web, existen muchas más alternativas a Python en prácaticamente todos sus ámbitos.

Esto se traduce en un gran soporte por parte su comunidad de usuarios. Para prácticamente cualquier pregunta encontrarás un post en un blog, una respuesta en Stack Overflow o un proyecto de ejemplo en GitHub que puedas usar de inspiración. Además, los recursos que existen para aprender el lenguaje son abundantes y los podrás encontrar en el formato que más te guste.

Es un gran lenguaje para otras cosas

Mi favorita personal: además de ser muy bueno para ciencia de datos, Python es un gran lenguaje para muchas otras cosas. Imagina que generas un modelo de inteligencia artificial con TensorFlow y quieres distribuirlo por la web. Puedes crear un servidor web que cumpla con los más altos estándares de calidad utilizando Django o Flask. Luego, puedes crear un servidor de autenticación para tus usuarios con oauthlib o DRF. Estos componentes se conectarían en una arquitectura de microservicios por medio de un gestor de mensajes como Celery. Para cada suceso ocurrido en el sistema, puedes almacenar registros para generar big data con Dask. Después de todo, puedes conectar los servicios con dispositivos de IoT hechos a la medida utilizando MicroPython. Todo esto utilizando un único lenguaje de programación con la misma filosofía y consideraciones.

En conclusión, Python es un gran lenguaje de programación para múltiples propósitos, siendo la inteligencia artificial tan solo uno de ellos. Si tienes duda de por dónde empezar, mi recomendación personal es darle un vistazo a Python Programming.