應該掌握哪門編程語言，才能獲得機器學習或數據科學的工作機會呢？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據。畢竟，機器學習和數據科學的從業者應該記住這一點：沒有調查就沒有發言權。

現在，讓我們來看一些數據。我們用indeed.com網站提供的趨勢搜索來提取統計數據。這些數據是從招聘信息中搜索出特定工作崗位隨時間變化的出現頻率，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，因為后者是招聘信息所列技能加上就業再培訓技能減去退休和離職技能的結果。）

好了，讓我們看數據吧。我搜索了與“機器學習”和“數據科學”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據科學的流行語言 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，得到類似的數據如下圖。

?

我們可以從這些數據中得出什么結論呢？

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據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據視圖時，會發現這點尤為明顯。

?

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據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，得到的數據就大為不同。

?

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在應該很清楚了吧？在機器學習和數據科學的工作中，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，或者只是想在業余時間學習機器學習和數據科學，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++開發新的算法，因為我的大部分職業生涯中都用 C++編程。但這只是我個人情況，不同專業背景的人可能會覺得另一門語言更好些。編程技能有限的統計學家會更青睞 R。有實力的 Java開發者可以繼續使用他鐘愛的 Java，因為 Java有數量可觀的開源 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。