数据科学家：那些年，我都学过哪些编程语言…
前言
我们对事物的看法各不相同，有时他人特别喜欢的语言可能会成为另一个人的的噩梦。而我个人的噩梦是用C语言进行日常的编程工作。
本文就介绍了作为一名数据科学家，我在职业生涯中所学过的语言，其中包括MATLAB、Weka、R、C ++以及Python。
数据科学是一个广泛的领域，从业者来自各种专业背景，如经济学，生物学和语言学等等。尽管数据科学最初源于统计领域，但它很快覆盖了计算机科学领域，如今数据科学已成为了必不可少的工具。
因此，用于数据科学的编程语言的发展就像宇宙一样：可能穷其一生都难以完全探索，并且还在不断扩展。
众做周知，语言的通用性、用途和复杂性需要权衡利弊。因此，一门语言的流行程度仅应作为当前趋势的一个指标，而不是决定你选择的因素。归根结底，这是涉及到应用、经验和个人偏好的问题。
MATLAB
通过吴恩达的机器学习课程，我开始接触机器学习领域。如果你也想学习机器学习，这是一个很不错的选择。
虽然当时Python和R语言更受欢迎，但吴恩达在课程中选择了MATLAB。当时我并没有觉得有什么困扰，但如今看来有些奇怪。数据科学课程的侧重点应该在于如何进行数据分析，而不是使用某种语言进行分析。
吴恩达在这门课程中选择了比较通用的MATLAB语言，原因之一在于该课程的受众主要是计算机专业的科学家和工程师，他们已经很熟悉MATLAB了。而且该课程的重点是，在不使用库的情况下实现学习算法，因此MATLAB与任何专业语言一样出色。
虽然我很推崇自动化工具和便捷型库，但在开始进入数据科学领域时，自己动手这一点也是十分重要的。
MATLAB不缺少执行各种数据分析和机器学习任务的库。对于信号处理和控制工程师等人来说，它是首选框架。
但不难理解为什么MATLAB没有征服数据分析领域，毕竟它不开源，且非常昂贵的。至于Octave，虽然开源且能兼容MATLAB代码，但性能却远远不及MATLAB。
WEKA
我学习Weka的经历是短暂的。在大学时期，Weka作为我完成模式识别课程作业一种工具。
通过这个课程，我得到最有价值的教训是：GUI对数据科学家的影响是深远的。Weka以其易用性和可理解性引以为豪，并声称只需加载数据集并按下按钮就可以轻松训练机器学习模型。这当中的益处也是显而易见的，当时市场对预测模型的需求很大，而且能够满足这种需求的人才并不多。
寻找自动化工具并使用得出解决方案是当时的研究重点，即AutoML。但我们花了几年时间，并经历过大量失败才意识到，这一过程离不开人类的参与。
在上世纪90年代末，那种认为没有充分理解数据就能构建模型的幻想破灭了。自动化工具能够简化我们的工作，发现算法的良好参数化、实用的预处理步骤以及高效的测试管道。但它们不能替代人类专家，至少是我们目前的专业水平。
总而言之，你需要对创建的模型负责。
R
在我的毕业论文中，我深入研究并探索了R语言的特性和奥妙。你可能听说过，R语言是数据分析语言家族中的一个特殊的语言。R语言学习起来并不容易，这需要一个学习过程，在刚开始学习时我常常会感到自我怀疑和迷失方向。
我们的目标是创建能够自动执行机器学习实验的软件工具。R更像是一种目的，而不是一种手段，因为我们希望通过使用丰富的R语言库对机器学习技术进行广泛的研究。
当时我想要构建完整的框架，并且在毕业设计中利用面向对象编程，因此必须解决的第一个问题是：R语言是否支持面向对象？答案是肯定的。实际上，它有四种不同的方式。这些都与我在C ++，Java或Python中遇到的面向对象编程并不相同。
R语言还提供了许多方便的工具，例如data.frames，它能够轻松捕获数据集的特征和需求。但是，R语言中也有一些的技术性问题让我感到头疼。RStudio是R的免费UI，当绘图不适合其平面时，就会引发运行时错误等等。
虽然我再也不会尝试用R语言中从头开始构建框架，但R语言提供的大量软件包可以助你进行可视化和预处理，这些都是很不错的优势。
C++
现在你肯定会问，为什么要用C ++进行数据分析？为什么有人这样做？
暑期我曾在一家公司实习，该公司用的就是C ++，我猜测公司也许是考虑到传统和商业的结合，因此选择了能够高效执行的代码。
尽管如此，我仍决定使用R语言。在实习结束时，我再将模型和函数转移到C ++。由于有各种图表和出众的预处理技术，R语言也引起了公司里用C ++做数据分析的人的注意，一些同事甚至对R感兴趣并开始尝试它。
在获得满意的结果后，通过使用简单的R包用于PCA和支持向量机，我尝试将模型合并到庞大的C ++框架中。libsvm 软件包很适合这种情况，并能提供与支持向量机相关的操作。
如今，当你想要跨语言转移机器学习模型时，存在很多选择。比如你可以转移数学模型，即算法的参数化，然后通过跨库转换模型文件，或使用包跨语言进行交互。
我发现，简单地使用相同的参数化是不够的。虽然算法保持不变，比如具有高斯核的SVM， 不同的实现可能采用不同的数学模型，因此需要不同的参数集。即使模型保持不变，特定的实现因素也会严重影响模型的性能，因此需要不同的参数化。
最合适的方式是使用rcpp，一个能连接C ++框架和R脚本的包。一些软件包也支持两种不同语的库之间的兼容性，但很少用于这种情况。
Python
我与现任公司主管之间曾有过这样的对话：
—— 在未来的工作中你打算使用哪种语言？
——我想我会用Python。
——你曾用过Python吗？
——不，我用过很多语言，但我对Python有不错的预感。
很高兴我说服了他，如今我使用Python进行数据分析十分舒心。易于设置实验，附加功能以及丰富的库带来的便利性让我的工作非常顺利。虽然我主要自己编写代码，但到目前为止，我常常通过OpenAI Gym 来定义强化学习实验环境。同时还有TensorForce，这是一个扩展TensorFlow的库，能提供了大量的强化学习算法。
不过，我的意思并不是指Python就是无敌的。程序员不应该局限于某种语言，而是应该不断地尝试。因此，下次当你遇到新数据集时，不要害怕尝试新的软件。就算失败了，你也会从中有所收获。
原文链接：
https://medium.freecodecamp.org/a-personal-journey-through-the-languages-of-data-science-48f516cbb81c
相关文章：
short_open_tag 必须打开
在使用phpcms本地安装的过程中，到运行环境检测这一步，发现：short_open_tag 必须打开。 从网上搜索相关资料时，发现，将php.ini文件中的short_open_tag off 项，设置成on，重启服务器即可。 shor…
10.15 iptables filter表案例
2019独角兽企业重金招聘Python工程师标准>>> iptables常用知识回顾点 iptables -I/-A/-D 后紧跟 链 ，可以是INPUT，OUTPUT，FORWARDiptables -P 用来指定 链的默认策略 ——>最好不要直接操作，否则会造成远程的终端断…
高并发大型网站架构设计
一个大型的网站网站应该由如下6个子系统组成 负载均衡系统 反向代理系统 Web服务器系统 分布式存储系统 底层服务系统 数据库集群系统 为什么要做高并发系统设计？ 事实上，针对于任何单一的网络服务器程序，其可承受的同时连接数目是有理…
Tidio AI 趋势报告：约42%受访者能够接受机器人伴侣
编译 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 文章内图源：Tidio 近日，波士顿动力发布了一段机器人跳舞的视频，有些人不敢相信他们所看到的，它看起来更像是皮克斯动画而不是真实的镜头。 有人说&#x…
微信公众平台对所有公众号开放自定义菜单
据统计，微信公众号已达1000多万了，但大多数没有微信认证，且没有开发能力，为此微信公众平台开放了自定义菜单功能给所有公众号，这是微信团队年前给广大自媒体送的大礼，期待微信越来越开放 公众帐号运营者点击…
SignalR网页实时推送
1.新建项目，选择mvc4 Wed应用程序，选择Internet，视图引擎：Razor 2.在控制器中添加 并添加上视图 3.引用（install-package Microsoft.AspNet.SignalR） 4.添加Startup 项目名 5.新建Hubs文件夹，添…
Hyper-V虚拟化测试05防火墙及证书配置
3.防火墙和证书3.1、防火墙配置打开Windows防火墙，并进入到高级配置入站规则，启用“Hyper-V副本HTTP侦听器（TCP入站）”和“Hyper-V副本HTTPS侦听器（TCP入站）”可以看到已经启用了如上两条规则允许入站流量3…
httpwatch的timechart 解析
从timeChart，我们可以一目了然的看到那些请求花费的时间较长，一般柱状的长短表示从请求到接受共花费的时间，我们重点需要优化那些柱状较长的部分，当然我们也可以点击time列，按请求时间排到序，直接找出请求时…
英特尔北京2022年冬奥会体验中心落成
2020年东京奥运会已圆满落幕，全社会进入到为北京2022年冬奥会紧锣密鼓筹备的倒计时模式。近日，“英特尔北京2022年冬奥会体验中心”在北京石景山区首钢园落成，并举办了媒体开放日活动。以体验中心为窗口，英特尔在近千平米的展厅中…
机器学习 LR getA()
机器学习 LR getA() 前面的几位回答都没有解决getA()是什么的问题，碰到同样的问题，解释如下：matrix.getA()Return self as an ndarray object.Equivalent to np.asarray(self).Parameters: None Returns: ret : ndarrayself as an ndarray 也…
memcache安装
转载自 http://zhaochen.blog.51cto.com/2029597/390037 一，memcache简单介绍： memcached是高性能的分布式内存缓存服务器，为了提高性能，memcached中的数据都保存在内存中，重启memcached及重启操作系统都会导致缓存中的…
算法小论——第三章 又把新桃换旧符
2019独角兽企业重金招聘Python工程师标准>>> 笔记 这一章主要是渐进记号和高中数学的回忆。 几个标记： Θ -- 上界和下界，绑定值，相当于f(n) ∈ [c1 * g(n), c2 * g(n)]Ω -- 闭区间下界，最好运行时间，相当…
来体验一把职场人的真实训练，检验你的工程化交付能力！
长沙软件人才实训基地是由政府引导，长沙软件园（大型国企）、万兴科技（A股上市公司）和CSDN（中国开发者社区）三方参与，强强联手，倾力打造的人才培育平台，旨在通过…
从C#到Objective-C，循序渐进学习苹果开发(7)--使用FMDB对Sqlite数据库进行操作
本随笔系列主要介绍从一个Windows平台从事C#开发到Mac平台苹果开发的一系列感想和体验历程，本系列文章是在起步阶段逐步积累的，希望带给大家更好，更真实的转换历程体验。本篇主要开始介绍基于XCode进行IOS程序的开发，介绍使用FMDB…
nginx做方向代理不显示图片的问题
在nginx的配置文件中加上 location ~ \.(jpg|png|jpeg|bmp|gif|swf|css)$ { access_log off; expires 30d; root /www/htdocs/market; break; }
Linux系统挂载ntfs分区
Linux系统挂载ntfs分区 http://www.2cto.com/os/201404/297079.htmlposted on 2015-02-21 22:20 雪山看雪 阅读(...) 评论(...) 编辑 收藏 转载于:https://www.cnblogs.com/zker/p/4297223.html
谷歌新深度学习系统可以促进放射科医生的发展
编译 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 谷歌人工智能研究人员团队在《自然》上发表了一篇新论文，深度学习可以检测出异常胸部 X 光片，其准确度可与专业放射科医生相媲美。 深度学习系统可以帮助放射科医师优先考虑胸部…
【AngularJS】—— 12 独立作用域
独立作用域的作用 为了便于理解，先看一下下面这个例子： <!doctype html> <html ng-app"myApp"><head><meta http-equiv"Content-Type" content"text/html; charsetutf-8" /><script src"…
nginx虚拟目录设置 alias 和 root
nginx貌似没有虚拟目录的说法，因为它本来就是完完全全根据目录来设计并工作的。 如果非要给nginx安上一个虚拟目录的说法，那就只有alias标签比较“像”，干脆来说说alias标签和root标签的区别吧。 最基本的区别：alias指定的目录是…
避免死锁的一些注意事项
1. 避免嵌套锁， 如果每个线程都只占有一个锁， 则可以很大程度上避免死锁。其死锁的情况是， 线程 1 依次获得 A 对象和 B 对象的锁， 然后决定等另一个线程的信号再继续， 从而先释放了 B 对象的的锁。可是线程 2 需要同时…
这是一个好问题：既然机器可以学习，它们能忘掉吗？
编译 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 很多公司都使用机器学习来分析人们的欲望、厌恶或面孔。研究人员提出了一个不同的问题：我们如何让机器忘记学习？ 机器学习正在寻找如何在人工智能软件中诱发选择性失忆的方法。目…
python tar.gz格式压缩、解压
压缩 代码 import tarfile import os def tar(fname):t tarfile.open(fname ".tar.gz", "w:gz")for root, dir, files in os.walk(fname):print root, dir, filesfor file in files:fullpath os.path.join(root, file)t.add(fullpath)t.close()if __nam…
bzoj1251: 序列终结者 (splay)
splay可以用于维护序列，比如noi的维修序列，比如这道 发现当时splay没写总结，也没题解 然后重新写splay竟然耗了一个晚上 结果是因为max【0】没有附最小值！！血一样的教训 最后祭出inline大法才过，我的splay真…
模型神器组合，yyds！
作者 | 东哥起飞来源 | Python数据科学最近在kaggle上有一个调参神器非常热门，在top方案中频频出现，它就是OPTUNA。知道很多小伙伴苦恼于漫长的调参时间里，这次结合一些自己的经验，给大家带来一个LGBM模型OPTUNA调参的使用教程&am…
理解http响应头中的Date和Age
Date：Date头域表示消息发送的时间，时间的描述格式由rfc822定义。例如，Date: Mon, 04 Jul 2011 05:53:36 GMT。 Age：当代理服务器用自己缓存的实体去响应请求时，用该头部表明该实体从产生到现在经过多长时间了。 比如访…
linux 保留内核中sas驱动的加载导致crash问题
[rootlocalhost ~]# uname -a Linux localhost.localdomain 3.10.0-693.5.2.el7.x86_64 问题描述，在crash的时候，小内核因为分配中断号失败而触发panic，打印如下：（备注：本文大内核就是指正常运行的内核&am…
四层和七层负载均衡的区别
负载均衡设备也常被称为"四到七层交换机"，那补充：所谓四层就是基于IP端口的负载均衡；七层就是基于URL等应用层信息的负载均衡；同理，还有基于MAC地址的二层负载均衡和基于IP地址的三层负载均衡。换句换说&…
关于数据库，你可能最想知道的几件事
【CSDN 编者按】随着技术不断更新，数据库的发展可谓全面开花，也吸引了越来越多人的关注，但大家真的都足够了解数据库吗？作者 | 易璜珵 责编 | 侯淼淼出品 | 《新程序员》互联网飞速发展的时代里，数据库、中间件和…
Visual C++ 2012/2013的内存溢出检測工具
在过去，每次编写C/C程序的时候，VLD差点儿是我的标配。有了它，就能够放心地敲代码，随时发现内存溢出。 VLD最高可支持到Visual Studio 2012。不知道以后会不会支持Visual Studio 2013，但反正眼下是不支持的。 相关的讨论…
.NetCore Docker
转载于:https://blog.51cto.com/linhongquan/2047736