今日大多数的数据科学都是透过r、python、java、matlab及sas为主,但仍然存在着鸿沟要去弥补,而这个时候,新进者julia看到了这个痛点

storm是另一个从scala写出来的架构,在硅谷逐渐大幅增加它在串流处理的受欢迎程度,被twitter并购,这并不意外,因为twitter对快速事件处理有极大的兴趣

octave

matlab

又是另一个以java为基础的语言,和java很像,对任何想要进行大规模的机械学习或是建立高阶的算法,scala会是逐渐兴起的工具它是善于呈现且拥有建立可靠系统的能力

“你不会在最简单的c语言编程google的网页排名核心或是facebook的朋友们推荐算法时看到r的踪影,工程师会在r里建立一个原型,然后再到java或python里写模型语法”

kafka是从linkedin内诞生的,是一个特别快速的查询讯息系统kafka的缺点呢?就是它太快了,因此在实时操作时它会犯错,有时候会漏掉东西

举一个使用r很有名的例子,在2010年时,paulbutler用r来建立facebook的世界地图,证明了这个语言有多丰富多强大的可视化数据能力,虽然他现在比以前更少使用r了

r

这么多的软件可以使用,但我认为不见得每个都一定要会才行,知道你的目标和方向是什么,就选定一个最适合的工具使用吧!可以帮助你提升效率又达到精准视频制作软件免费用的结果

“r更有用的是在画图,而不是建模”顶尖数据分析公司metamarkets的ceo,michaeldriscoll表示,

它也吸引了wallstreet的注目传统而言,证券分析师在excel档从白天看到晚上,但现在r在财务建模的使用率逐渐增加,特别是可视化工具,美国银行的副总裁niallo’conno说,「r让我们俗气的表格变得突出」

“julia会变的日渐重要,最终,在r和python可以做的事情在julia也可以”butler是这么认为的

若要列出所有程序语言,你能忘记其他的没关系,但最不能忘的就是r从1997年悄悄地出现,最大的优势就是它免费,为昂贵的统计软件像是matlab或sas的另一种选择

美qq软件官方下载国银行用python来建立新产品和在银行的基础建设接口,同时也处理财务数据,“python是更广泛又相当有弹性,所以大家会对它趋之若鹜”o’donnell如是说

在数据建模上,它正在往逐渐成熟的专业语言迈进,虽然r仍受限于当公司需要制造大规模的产品时,而有的人说他被其他语言篡夺地位了

“r已经逐渐过时了,在庞大的数据集底下它跑的慢又笨重”butler说

matlab可以说是历久不衰,即使它标价很高;在非常特定的利基市场它使用的相当广泛,包括密集的研究机器学习、信号处理、图像辨识等等

替代性很高的工作,而无法深入规划策略的核心

如果说r是神经质又令人喜爱的geek,那python就是随和又好相处的女生

scwin7旗舰版激活工具ala

在数据处理范畴内,通常在规模与复杂之间要有个取舍,而python以折衷的姿态出现ipythonnotebook(记事本软件)和numpy被用来暂时存取较低负担的工作量,然而python对于中等规模的数据处理是相当好的工具;python拥有丰富的资料族,提供大量的工具包和统计特征

鱼与熊掌不可兼得,「必须要在准确度跟速度之间做一个选择」,driscoll说所以全部在硅谷的科技大公司都利用两个管道:用kafka或storm处理实时数据,接下来打开hadoop处理一批批处理数据系统,这样听起来有点麻烦又会有些慢,但好处是,它非常非常精准

为了迎合大量数据处理的需求,以java为基础的工具群兴起hado勾股定理的应用课件op为处理一批批数据处理,发展以java为基础的架构关键;相较于其他处理工具,hadoop慢许多,但是无比的准确和可被后端数据库分析广泛使用和hive搭配的很好,hive是基于查询的架构下,运作的相当好

driscoll说,它就是因为它年轻,才会有可能变成主流又有前景

然而,虽然它的优点能够弥补r的缺点,它仍然不是最高效能的语言,偶尔才能处理庞大规模、核心的基础建设driscoll是这么认为的

python

driscoll说,java和以java为基础的架构,是由硅谷里最大的几家科技公司的核心所建立的,如果你从twitter、linkedin或是facebook里观察,你会发现java对于所有数据工二年级数学应用题程基础架构而言,是非常基础的语言

java没有和r和python一样好的可视化功能,它也不是统计建模的最佳工具,但是如果你需要建立一个庞大的系统、使用过去的原型,那java通常会是你最基的选择

所以接下来他用什么呢?

python结合了r的快速、处理复杂数据采矿的能力以及更务实的语言等各个特质,迅速地成为主流,python比起r,学起来更加简单也更直观,而且它的生态系统近几年来不可思议地快速成长,在统计分析上比起r功能更强

随着大数据的热潮不断升温,几乎各个领域都有洪水倾泻般的信息涌来,面对用户成千上万的浏览记录、记录行为数据,如果就单纯的excel来进行数据处理是远远不能满足的

go

r的好处在于它简单圆方软件学习易上手,透过r,你可以从复杂的数据集中筛选你要的数据,从复杂的模型函数中操作数据,建立井然有序的图表来呈现数字,这些都只需要几行程序代码就可以了,打个比方,它就像是好动版本的excel

butler说,“过去两年间,从r到python地显著改变,就像是一个巨人不断地推动向前进”

octave和matlab很像,除了它是免费的之外然而,在学术信号处理的圈子,几乎都会提到它

java

julia

r最棒的资产就是活跃的动态系统,r社群持续地增加新的软件包,还有以内建丰富的功能集为特点目前估计已有超过200万人使用r,最近的调查显示,r在数据科学界里,到目前为止最受欢迎的语言,占了回复者的61%(紧追在后的是39%的pythonc语言串口通信编程)

当然,基本功是最不可忽略的环节,想要成为数据科学家,对于这几个程序你应该要有一定的认识:

kafka andstorm

hadoop and hive

julia仍太过于神秘而尚未被业界广泛的采用,但是当谈到它的潜力足以抢夺r和python的宝座时,数据黑客也难以解释原因在于julia是个高阶、不可思议的快速和善于表达的语言,比起r要快的许多,比起python又有潜力处理更具规模的数据,也很容易上手

go是另一个逐渐兴起的新进者,从google开发出来的,放宽点说,它是从c语言来的,并且在建立强大的基础架构上,渐渐地成为java和python的竞争者

说到当你需要快速的、实时的分析时,你会想到什么?kac语言编程软件入门fka将会是你的最佳伙伴其实它已经出现五年有了,只是因为最近串流处理兴起才变的越来越流行

“java像是用钢铁建造的;scala则是让你能够把它拿进窑烤然后变成钢的黏土”driscoll说

但是在过去几年来,它的身价大翻转,变成了资料科学界眼中的宝不只是木讷的统计学家熟知它,包括wallstreet交易员、生物学家,以及硅谷开发者,他们都相当熟悉r多元化的公司像是google、facebook、美国银行以及newyorktimes通通都使用r,它的商业效用持续提高

就现在而言,若要说julia发展会倒退的原因,大概就是它太年轻了julia的数据小区还在初始阶段,在它要能够和r或python竞争前,它五笔打字练习软件还需要更多的工具包和软件包