電子發(fā)燒友App
應該掌握哪門編程語言，才能獲得機器學習或數(shù)據(jù)科學的工作機會呢？這是一個銀彈的問題。許多論壇都在辯論這個問題。我會在本文中提供自己的答案，并解釋原因，但是我們要先來查看一些數(shù)據(jù)。畢竟，機器學習和數(shù)據(jù)科學的從業(yè)者應該記住這一點：沒有調查就沒有發(fā)言權。
現(xiàn)在，讓我們來看一些數(shù)據(jù)。我們用indeed.com網(wǎng)站提供的趨勢搜索來提取統(tǒng)計數(shù)據(jù)。這些數(shù)據(jù)是從招聘信息中搜索出特定工作崗位隨時間變化的出現(xiàn)頻率，表明了雇主正在尋求哪些掌握什么技能的人才。但請注意，這并不是對哪些技能最有用的民間調查，而是體現(xiàn)了崗位技能流行度如何演變的一種趨勢（更確切地說，它可能接近崗位技能流行度的一階導數(shù)，因為后者是招聘信息所列技能加上就業(yè)再培訓技能減去退休和離職技能的結果。）
好了，讓我們看數(shù)據(jù)吧。我搜索了與“機器學習”和“數(shù)據(jù)科學”結合使用的技能，其中比較顯眼的編程語言是 Java、C、C++和 JavaScript。我還加上了就像 Scala之于 Spark那樣的機器學習和數(shù)據(jù)科學的流行語言 Python和 R——以及被認為是下一代熱門語言的 Julia。經(jīng)查詢之后，我們得到結果如下圖。
?
當我們只關注機器學習時，得到類似的數(shù)據(jù)如下圖。
?
我們可以從這些數(shù)據(jù)中得出什么結論呢？
首先，我們可以從圖表中看出，眾口難調。在這種情況下，許多語言都相當受歡迎。
其次，所有這些語言的人氣都在暴漲，這表明了人們在過去幾年里對機器學習和數(shù)據(jù)科學的興趣正在增加。
第三，Python明顯領先，緊隨其后的依次是 Java、R、C++。Python超越 Java并逐漸拉開差距，與此同時，Java與 R之間的差距逐漸減小。我必須承認，我看到 Java位居第二其實很驚訝，我本來以為 R是第二位呢。
第四，Scala的增長令人印象深刻。三年前幾乎沒有人使用Scala，而現(xiàn)在卻能與其他成熟語言同場競技了。
我們在indeed.com從趨勢示意圖切換到實際數(shù)據(jù)視圖時，會發(fā)現(xiàn)這點尤為明顯。
?
第五，Julia的人氣比較差，但最近幾個月肯定有所增長。Julia會成為機器學習和數(shù)據(jù)科學的流行語言之一嗎？這得由時間來做出回答。
如果我們隱藏 Scala和 Julia，以便放大其他語言增長的視圖，那么可以確定的是，Python和 R的增長速度超過了其他語言。
?
從這條曲線來看，也許 R的流行度將會很快超過 Java。當我們換成“深度學習”來進行查詢時，得到的數(shù)據(jù)就大為不同。
?
在這個查詢中，Python依舊領先，但緊隨其后的依次是 C++、Java、C。R只排在第五名。這里顯然強調這些是高性能計算語言。作為一個通用的機器學習語言，Java很快能占據(jù)第二的位置，R語言在短時間內不會登頂。令我驚訝的是作為深度學習框架Torch的主要語言，Lua竟然不在榜上，并且Julia也缺席。
最初那個問題的答案現(xiàn)在應該很清楚了吧？在機器學習和數(shù)據(jù)科學的工作中，Python、Java和 R是最流行的語言。如果你的精力集中在深度學習而非一般的機器學習，那么應該多學習 C++，其次 C也是需要關注和學習的。然而要記住，這只是看問題的一個途徑。如果你想尋找學術界的工作，或者只是想在業(yè)余時間學習機器學習和數(shù)據(jù)科學，那么你可能會得到不同的答案。
至于我個人的答案，我今年早些時候在博客上做出了回答。除了能夠支持許多主流機器學習框架，Python對我而言很適合，只是因為我有計算機科學背景而已。我也喜歡使用 C++開發(fā)新的算法，因為我的大部分職業(yè)生涯中都用 C++編程。但這只是我個人情況，不同專業(yè)背景的人可能會覺得另一門語言更好些。編程技能有限的統(tǒng)計學家會更青睞 R。有實力的 Java開發(fā)者可以繼續(xù)使用他鐘愛的 Java，因為 Java有數(shù)量可觀的開源 Java API。同理，其他語言也如此。
因此，我的建議是閱讀討論同一個問題的其他博客，然后投入大量的時間去學習一門語言。
工商網(wǎng)監(jiān)
評論