色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

2018年數據科學和機器學習工具調查

算法與數據結構 ? 來源:未知 ? 作者:胡薇 ? 2018-06-07 17:05 ? 次閱讀

近日,數據科學網站KDnuggets發布 2018年數據科學和機器學習工具調查結果。下面一起來看看調查結果

最受青睞的分析、數據科學、機器學習工具

圖1:2018年的最受青睞的工具及其在2016 - 2017年調查中的份額

*為了更有效的比較,KDnuggets重新計算了2016年,2017年問卷調查結果,排除了受訪者“單一”的選項。

下表是前11名的工具排行,其中每個工具至少有20%的份額:

表1:KDnuggets2018年頂級分析/數據科學/ ML軟件調查

在這里,“2018%share”是指使用該工具的受訪者百分比,“%change 2018 VS 2017”是表示2017年調查的變化 ,用綠色表示增長幅度達到10%以上,紅色表示下降幅度達到10%以上。

今年,每名受訪者的平均使用工具數量為7個,略高于2017年投票中的6.75(不包括單一工具回復)。

與2017年軟件投票相比,今年前11名中,出現了一個新面孔Keras,Keras取代了去年Knime的位置。下面是針對以上數據的一些觀察發現:

Python消滅了R

到2017年,Python已經擁有超過50%的份額,如今已經將其份額提高到66%,而在我們此次的調查中,R份額首次出現下降,而且是一下子降到50%以下。

RapidMiner激增

在過去的幾次調查中,RapidMiner一直是最大的數據科學平臺之一,它的份額從2017年的33%大幅增加到50%左右。

這樣的增長速度是否是因為廠商的推廣帶來的呢?RapidMiner創始人兼總裁Ingo Mierswa的表示:

與許多供應商一樣,RapidMiner通過多種渠道向用戶推廣KDnuggets問卷調查,之前我們也做過同樣的推廣,但與之前不同的是,首先今年得到了更好的回應,超過400位用戶親自回復了郵件,更重要的是,最近一年里,RapidMiner的月活躍用戶增長了300% ,因此可以向更多的用戶發送了關于KDnuggets問卷調查的郵件。

SQL是穩定的

SQL(包括Spark SQL和SQL to Hadoop工具在內)在最近的3次調查中仍然占有約40%的份額。所以,如果你是一位有抱負的數據科學家,學習SQL吧,它可能會對你很有用!

趨勢

在調查中,使用率超過2%的新工具是Spark SQL,擁有11.7%的份額。

下表列出了2018年份額增長20%以上的工具,并在2018年達到至少3%的份額。

表 2:使用率增幅最大的主要分析/數據科學/機器學習工具

整合

值得一提的是,在2017年擁有2%以上份額的56個工具中,有19個(僅約三分之一)工具在2018年份額有所增加,而有37個的份額下降。結合Datawatch收購Angoss,Minitab收購Salford等近期的收購案可以表明,數據科學平臺的整合即將展開。

2018年擁有3%以上份額,卻在2018年份額下降25%以上的工具見下表:

表 3:使用率跌幅最大的主要分析/數據科學工具

深度學習工具

使用深度學習工具的受訪者比例保持穩定,2018年有33%的受訪者表示使用深度學習工具,2017年為32%,2016年為18%。 谷歌Tensorflow依然是最主要的平臺。

頂級深度學習工具排名如下:

Tensorflow, 29.9%

● Keras, 22.2%

● PyTorch, 6.4%

● Theano, 4.9%

● Other Deep Learning Tools, 4.9%

● DeepLearning4J, 3.4%

● Microsoft Cognitive Toolkit (Prev. CNTK), 3.0%

● Apache MXnet, 1.5%

● Caffe, 1.5%

● Caffe2, 1.2%

TFLearn, 1.1%

● Torch, 1.0%

● Lasagne, 0.3%

大數據工具:Hadoop被拋棄

2018年,約33%的開發者使用Hadoop或Spark等大數據工具 - 與2017年大致相同,但Hadoop使用率顯著下降,下降幅度高達35%,以下是詳細信息

編程語言

Python似乎不僅超過了R,還包括大多數其他語言,目前Python和SQL,Java和C / C ++幾乎保持在相同水平。自從KDnuggets 進行這項調查以來,R第一次出現了下降。其他語言同樣也有所下降。

以下是按熱門度排序的主要編程語言:

● Python, 65.6% (was 59.0% in 2017), 11% up

● R, 48.5% (was 56.6%), 14% down

● SQL, 39.6% (was 39.2%), 1% up

● Java, 15.1% (was 15.5%), 3% down

● Unix, shell/awk/gawk, 9.2% (was 10.8%), 15% down

● Other programming and data languages, 6.9%, (was 7.6%), -9% down

● C/C++, 6.8%, (was 7.1%), 3% down

● Scala, 5.9%, (was 8.3%), 29% down

● Perl, 1.0% (was 1.9%), 46% down

● Julia, 0.7% (was 1.2%), 45% down

● Lisp, 0.3% (was 0.4%), -25% down

● Clojure, 0.2% (was 0.3%), -38% down

● F, # 0.1% (was 0.5%), -73% down

完整結果和 3 年來的趨勢

以下表格展示了調查結果的細節(此處僅列出排名前 20 的工具):

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • python
    +關注

    關注

    56

    文章

    4792

    瀏覽量

    84629
  • Hadoop
    +關注

    關注

    1

    文章

    90

    瀏覽量

    15975
  • r語言
    +關注

    關注

    1

    文章

    30

    瀏覽量

    6282

原文標題:Python完勝R語言,Hadoop被拋棄!2018 年數據科學和機器學習工具調查

文章出處:【微信號:TheAlgorithm,微信公眾號:算法與數據結構】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    2024諾貝爾物理學獎為何要頒給機器學習

    (Geoffrey Hinton),表彰他們在使用人工神經網絡的機器學習方面的基礎性發現和發明。 ? 作為在科學界具有舉足輕重的地位和深遠影響的諾貝爾獎,它不僅是對科學家個人成就的最高
    的頭像 發表于 10-10 00:11 ?3723次閱讀

    什么是機器學習?通過機器學習方法能解決哪些問題?

    計算機系統自身的性能”。事實上,由于“經驗”在計算機系統中主要以數據的形式存在,因此機器學習需要設法對數據進行分析學習,這就使得它逐漸成為智
    的頭像 發表于 11-16 01:07 ?383次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法能解決哪些問題?

    NPU與機器學習算法的關系

    在人工智能領域,機器學習算法是實現智能系統的核心。隨著數據量的激增和算法復雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習
    的頭像 發表于 11-15 09:19 ?433次閱讀

    eda在機器學習中的應用

    值和噪聲數據。通過繪制箱線圖、直方圖和散點圖,我們可以直觀地看到數據中的異常值和分布情況。例如,如果一個數據集中的某個特征值遠高于其他值,這可能是一個異常值,需要進一步調查。 2. 特
    的頭像 發表于 11-13 10:42 ?291次閱讀

    AI for Science:人工智能驅動科學創新》第4章-AI與生命科學讀后感

    閱讀這一章后,我深感人工智能與生命科學的結合正引領著一場前所未有的科學革命,以下是我個人的讀后感: 1. 技術革新與生命科學進步 這一章詳細闡述了人工智能如何通過其強大的數據處理和分析
    發表于 10-14 09:21

    《AI for Science:人工智能驅動科學創新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習、深度學習、神經網絡等。這些技術構成了AI for Science的基石,使得AI能夠處理和分析復雜的
    發表于 10-14 09:16

    《AI for Science:人工智能驅動科學創新》第一章人工智能驅動的科學創新學習心得

    人工智能:科學研究的加速器 第一章清晰地闡述了人工智能作為科學研究工具的強大功能。通過機器學習、深度
    發表于 10-14 09:12

    機器學習中的數據分割方法

    機器學習中,數據分割是一項至關重要的任務,它直接影響到模型的訓練效果、泛化能力以及最終的性能評估。本文將從多個方面詳細探討機器學習
    的頭像 發表于 07-10 16:10 ?1697次閱讀

    機器學習中的數據預處理與特征工程

    機器學習的整個流程中,數據預處理與特征工程是兩個至關重要的步驟。它們直接決定了模型的輸入質量,進而影響模型的訓練效果和泛化能力。本文將從數據預處理和特征工程的基本概念出發,詳細探討這
    的頭像 發表于 07-09 15:57 ?395次閱讀

    機器學習數據分析中的應用

    隨著大數據時代的到來,數據量的爆炸性增長對數據分析提出了更高的要求。機器學習作為一種強大的工具
    的頭像 發表于 07-02 11:22 ?612次閱讀

    機器學習的經典算法與應用

    關于數據機器學習就是喂入算法和數據,讓算法從數據中尋找一種相應的關系。Iris鳶尾花數據集是一個經典數據
    的頭像 發表于 06-27 08:27 ?1639次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>的經典算法與應用

    名單公布!【書籍評測活動NO.35】如何用「時間序列與機器學習」解鎖未來?

    設備的運行狀況,生成各種維度的報告。 同時,通過大數據分析和機器學習技術,可以對業務進行預測和預警,從而協助社會和企業進行科學決策、降低成本并創造新的價值。 當今時代,
    發表于 06-25 15:00

    國內機器人實際場景使用抽樣調查數據分析報告

    國內機器人實際場景使用抽樣調查數據分析報告1背景我們通過為時3個月(20242月1日-20244月30日),針對國內
    的頭像 發表于 05-28 08:14 ?561次閱讀
    國內<b class='flag-5'>機器</b>人實際場景使用抽樣<b class='flag-5'>調查</b><b class='flag-5'>數據</b>分析報告

    機器學習怎么進入人工智能

    ,人工智能已成為一個熱門領域,涉及到多個行業和領域,例如語音識別、機器翻譯、圖像識別等。 在編程中進行人工智能的關鍵是使用機器學習算法,這是一類基于樣本數據和模型訓練來進行預測和判斷的
    的頭像 發表于 04-04 08:41 ?301次閱讀

    機器學習8大調參技巧

    今天給大家一篇關于機器學習調參技巧的文章。超參數調優是機器學習例程中的基本步驟之一。該方法也稱為超參數優化,需要搜索超參數的最佳配置以實現最佳性能。
    的頭像 發表于 03-23 08:26 ?612次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>8大調參技巧
    主站蜘蛛池模板: 黑人巨大两根一起挤进欧美| 囚禁固定在调教椅上扩张H| jj插入bb| 亚洲1区2区3区精华液| 男助理憋尿PLAY灌尿BL出去| 国精产品砖一区二区三区糖心| 99视频在线看观免费| 伊人久久大香线蕉综合bd高清| 试看2分钟AA片| 人与人特黄一级| 欧美aa级片| 乱叫抽搐流白浆免费视频| 国产亚洲精品久久精品6| YELLOW免费观看2019| 13小箩利洗澡无码视频APP| 性欧美xxxxporn| 偷拍国产精品在线播放| 欧美内射深插日本少妇| 暖暖在线观看播放视频| 精品久久久久亚洲| 狠狠色欧美亚洲狠狠色www| 国产精品色吧国产精品| 国产精品99久久久久久AV下载| 99精品久久久久久久| 校花被扒衣吸乳羞羞漫画| 青青久在线| 欧美日韩亚洲综合2019| 青娱乐极品视觉盛宴av| 千禧金瓶梅快播| 色播成人影院| 无码国产色欲XXXX视频| 性色AV一区二区三区咪爱四虎| 性色少妇AV蜜臀人妻无码| 亚洲精品在线影院| 在线亚洲色拍偷拍在线视频| 最近中文字幕在线中文高清版 | 成人网视频在线观看免费| 动漫H片在线观看播放免费| 国产福利视频一区二区| 国内精品日本久久久久影院| 久久成人精品免费播放|