要获得“机器学习或数据科学”的工作,到底选哪种编程语言更好?

简介: 如果想要获得机器学习或者数据科学这样的工作的话,开发者到底应该学习哪种编程语言呢?这是一个非常重要的问题。 在Indeed.com上使用趋势搜索。 它可以根据时间搜寻实际工作机会中特定的条款。 这表明了雇主们正在寻找拥有该技能的人才。

如果想要获得机器学习或者数据科学这样的工作的话,开发者到底应该学习哪种编程语言呢?这是一个非常重要的问题。

在Indeed.com上使用趋势搜索。

它可以根据时间搜寻实际工作机会中特定的条款。

这表明了雇主们正在寻找拥有该技能的人才。

然而,请注意,这并不是一项有效使用技能的民意调查。

这种指标更能体现技能的受欢迎程度。

趋势搜索可以自定义添加要查询的语言

在此搜索了“机器学习”和“数据科学”一起使用的技能。

  • 搜索选项包括编程语言Java、C、C+++和JavaScript;

  • 然后还包括了Python和R,因为我们知道它在机器学习和数据科学方面很受欢迎;

  • 当然还有Scala,考虑到它与Spark的关系,再加上Julia,一些开发中认为这是“the next big thing”;

  • 也加入了Go、PHP等语言,为了使得调查更为完整,所以竟可能多的加入语言。

运行这个查询,我们得到的数据如下:

匹配工作岗位的百分比

当我们关注机器学习时,我们得到了类似的数据:

我们能从这些数据中得到什么启示呢?

  1. 我们看到的并不是某一种语言独占鳌头,数据差距并不是太大,各种机器学习编程语言都很受欢迎,但是Python位列第一。

  2. 所有这些编程语言都在急剧增长。能够反映出在过去几年里,企业对机器学习和数据科学的关注和需求正在急速增加。

  3. Python很明显的领导者,其次是Java,然后是R,再然后是C++。必须承认,我很惊讶地看到Java名列第二;我本来是以为是R语言。毕竟R语言多用于数据挖掘和机器学习,而Java大多应用于企业级开发应用。

  4. Scala的增长令人印象深刻。它在三年前几乎是不存在的,现在和这些成熟的编程语言几乎在同一个层面。

  5. Julia的受欢迎程度虽然不明显,但肯定有上升的趋势。

如果我们忽略Scala和Julia,以便能够聚焦其他编程语言的增长,那么我们毫无疑问可以确认:Python和R的增长速度要快于通用语言。

考虑到增长率的差异,R的受欢迎程度可能很快就会超过Java。

当我们专注于深度学习这个问题时,数据是完全不同的:

深度学习的排行榜

根据这个数据我们可以得知:

Python仍然是领导者,但C++现在是第二,然后是C,而Java在第四,R只在第5。

这里显然强调了高性能计算语言。Java正在快速发展。它可以很快达到第二名,就像一般的机器学习一样。R不会很快接近顶部。Julia不存在。

到这时,到底哪种语言才是最受欢迎的学习语言呢?答案应该已经很清楚了。

  1. 当涉及到机器学习和数据科学工作时,Python、Java和R是最流行的技能。

  2. 而你想专注于深度学习,而不是一般的机器学习,那么,在某种程度上来说C++、C也是值得考虑的。

然而,请记住,这只是分析问题的一种方式。如果你想找一份工作,或者你只是想在业余时间学习机器学习和数据科学,你可能会得到不同的答案。

不同背景的人,所侧重的语言学习是不一样的,如果是金融专业做数据分析的话,可能Python或R更适合一些。而一个Java开发人员可以使用他最喜欢或者最擅长的语言会更好。

因此,在花大量时间学习一门语言之前,根据自己的情况来决定选择哪种编程语言,切记千万不可跟风。

时间就是生命,允许插播一条小广告,12月18日Java新手脱产班1元成团,名额有限,可点击链接

 http://www.zuikc.com/mobwechat/home/tokerlist 
Creative Commons License本文基于 Creative Commons Attribution 2.5 China Mainland License发布,欢迎转载,演绎或用于商业目的,但是必须保留本文的署名 http://www.cnblogs.com/luminji(包含链接)。如您有任何疑问或者授权方面的协商,请给我留言。
目录
相关文章
|
20天前
|
机器学习/深度学习 测试技术
阿里云入选Gartner数据科学和机器学习平台挑战者象限
Gartner® 正式发布了《数据科学与机器学习平台魔力象限》报告(Magic Quadrant™ for Data Science and Machine Learning Platforms),阿里云成为唯一一家入选该报告的中国厂商,被评为“挑战者”(Challengers)。
|
3月前
|
机器学习/深度学习 API 网络架构
"解锁机器学习超级能力!Databricks携手Mlflow,让模型训练与部署上演智能风暴,一触即发,点燃你的数据科学梦想!"
【8月更文挑战第9天】机器学习模型的训练与部署流程复杂,涵盖数据准备、模型训练、性能评估及部署等步骤。本文详述如何借助Databricks与Mlflow的强大组合来管理这一流程。首先需在Databricks环境内安装Mlflow库。接着,利用Mlflow跟踪功能记录训练过程中的参数与性能指标。最后,通过Mlflow提供的模型服务功能,采用REST API或Docker容器等方式部署模型。这一流程充分利用了Databricks的数据处理能力和Mlflow的生命周期管理优势。
132 7
|
4月前
|
机器学习/深度学习 数据采集 存储
在机器学习和数据科学中,数据预处理是一个至关重要的步骤。数据规范化(或称为特征缩放)是预处理的一种常见技术,它可以帮助我们改进模型的性能。`sklearn.preprocessing`模块提供了多种数据规范化的方法,其中`StandardScaler`和`MinMaxScaler`是最常用的两种。
在机器学习和数据科学中,数据预处理是一个至关重要的步骤。数据规范化(或称为特征缩放)是预处理的一种常见技术,它可以帮助我们改进模型的性能。`sklearn.preprocessing`模块提供了多种数据规范化的方法,其中`StandardScaler`和`MinMaxScaler`是最常用的两种。
|
5月前
|
机器学习/深度学习 算法 搜索推荐
【机器学习】近邻类模型:KNN算法在数据科学中的实践与探索
【机器学习】近邻类模型:KNN算法在数据科学中的实践与探索
96 0
|
6月前
|
机器学习/深度学习 算法 数据处理
从数据科学到机器学习的过渡:技术与思维的演进
【5月更文挑战第21天】本文探讨了从数据科学到机器学习的过渡,强调了技术与思维的转变。数据科学侧重数据处理和分析,为机器学习提供基础;机器学习是数据科学的强大力量,涉及算法开发。过渡需掌握机器学习算法、编程语言(如Python)及库,转变思维方式,注重预测和优化分析。建议包括深入学习算法、实践项目、掌握编程工具和保持好奇心。这一过渡是职业发展的重要步骤。
|
5月前
|
机器学习/深度学习 数据采集 算法
踏上机器学习之路:探索数据科学的奥秘与魅力
踏上机器学习之路:探索数据科学的奥秘与魅力
42 0
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
《Python 简易速速上手小册》第9章:数据科学和机器学习入门(2024 最新版)
《Python 简易速速上手小册》第9章:数据科学和机器学习入门(2024 最新版)
60 1
|
6月前
|
机器学习/深度学习 算法 Java
现代数据科学中的机器学习技术发展与应用
本文探讨了现代数据科学领域中机器学习技术的发展和应用。我们介绍了机器学习的基本概念和原理,并探讨了它在前端、后端、Java、Python、C以及数据库等多种技术领域的具体应用。通过深入剖析不同领域的案例研究,我们展示了机器学习在解决实际问题和推动技术创新方面的巨大潜力。最后,我们对未来机器学习技术的发展趋势进行了展望。
|
6月前
|
机器学习/深度学习 算法 数据可视化
Python是数据科学和机器学习
Python是数据科学和机器学习
55 1
|
机器学习/深度学习 PyTorch TensorFlow
7个用于机器学习和数据科学的基本 Python 库
Python是AI社区事实上的编程语言。它很容易学习,一旦你精通,编写程序是轻而易举的。 在很大程度上,由于其开源库,Python用户可以操作数据,原型模型,分析输出以及执行许多其他机器学习和数据科学任务。
175 0

热门文章

最新文章