得益于机器学习,Python成增长最快语言!

简介:
文章讲的是 得益于机器学习,Python成增长最快语言Python出现有一段时间了,现在谈似乎没什么新鲜感了,但它从DevOps蔓延到机器学习的所有角落,曝光度自然多了许多。Stack Overflow通过计算得出结论:Python是目前增长最快的编程语言,没有之一!所以,我们可能需要仔细观察一下这个函数式编程语言。

  什么时候最容易得到增长最快的头衔呢?当一个东西处于低谷期最容易出现增长过快。不过,这显然不适用于Python,Python在各大编程语言排行榜上一直处于靠前的位置,Stack Overflow确信Python是增长最快的编程语言。在2017年6月,Python跳到了Stack Overflow访问数量排行榜的第一名,超过了JavaScript、Java甚至C#。

  虽然访问Python的人越来越多,但并不意味着它比Scala或Java更好,也不意味着使用Python的程序员是最多的,这不包含任何价值判断,只是意味着有更多程序员开始选择用Python编码。

得益于机器学习,Python成增长最快语言!
▲Fastest-Growing, by Randall Munroe. XKCD.

  Stack Overflow喜欢根据国家收入来区分流量和数据(它认为贫穷国家和富裕国家使用不同的技术),他们惊讶地发现,Python在今年6月份跳上了榜首。

得益于机器学习,Python成增长最快语言!
▲Stack Overflow

  Java之所以没能占据第一位,很重要的一个原因是Java是一种季节性的语言。如果是9月份之后的榜单,Java很可能就是第一名了。因为九月份各大高校都开学了,而Java基本上是所有高校计算机专业的入门必修课,那时自会有大量的学生开始搜索Java。

  一旦学校开学,Python就可能落后。但是,总体趋势线是明确的:Python正在增长,不久之后也不会消失。根据Stack Overflow的模式,它将成为2018年访问量最大的编程语言。

  Python是不寻常的,因为它的增长速度远远超过其他任何一种编程语言,是因为人工智能的火热吗?

得益于机器学习,Python成增长最快语言!
▲Stack Overflow

  为什么Python成长如此之快?

  当我们与Groupon软件工程总监Adam Geitgey交谈时,他非常清楚如果想要利用机器学习,新程序员应该学习什么。

  绝对是从学习Python开始,Geitgey认为,Python是目前为止机器学习最流行的编程语言。它足以解决大多数机器学习问题(不需要深入学习),并且很容易。程序员只需要安装一些python库:scikit-learn、NumPy和pandas。这些工具是免费的,并且可以一起工作。如果使用scikit-learn在单个CPU上运行速度太慢,可以使用xgboost库在多个CPU上运行。

  机器学习领域令人难以置信的增长正在帮助提升Python。

  另一个原因可能是DevOps。据Richard Gall介绍,在今年的Skill Up调查中,Packt发现Python是DevOps工作中最主要的编程语言。事实上,Python主导着从Web开发到安全到数据科学的各种工作角色,这种多样性突出了Python的灵活性和适应性。对于有兴趣学习新语言和工具的人来说,Python是一种简单易用的语言,同时,它的学习曲线相对较短,程序员很容易把它作为第二或第三种语言。

  除此之外,Python是用脚本编写的一种很好的编程语言,脚本表示自动化。(另外,Ansys和SaltStack都是用Python编写的)。


作者: 钰莹

来源:IT168

原文链接:得益于机器学习,Python成增长最快语言!

相关文章
|
4天前
|
机器学习/深度学习 算法 算法框架/工具
Python深度学习基于Tensorflow(5)机器学习基础
Python深度学习基于Tensorflow(5)机器学习基础
14 2
|
6天前
|
机器学习/深度学习 算法 Python
深入浅出Python机器学习:从零开始的SVM教程/厾罗
深入浅出Python机器学习:从零开始的SVM教程/厾罗
|
7天前
|
机器学习/深度学习 算法 数据挖掘
【C 言专栏】C 语言与机器学习的应用
【5月更文挑战第6天】C语言在机器学习中扮演关键角色,以其高效性、灵活性和可移植性实现底层算法、嵌入式系统和高性能计算。在神经网络、决策树和聚类算法等领域的实现中不可或缺。C语言被用于TensorFlow和OpenCV等知名库的底层,常与C++、Python结合使用。尽管面临开发难度和适应新算法的挑战,但C语言在机器学习领域的价值和潜力将持续展现,为科技进步贡献力量。
【C 言专栏】C 语言与机器学习的应用
|
13天前
|
机器学习/深度学习 边缘计算 TensorFlow
【Python机器学习专栏】Python机器学习工具与库的未来展望
【4月更文挑战第30天】本文探讨了Python在机器学习中的关键角色,重点介绍了Scikit-learn、TensorFlow和PyTorch等流行库。随着技术进步,未来Python机器学习工具将聚焦自动化、智能化、可解释性和可信赖性,并促进跨领域创新,结合云端与边缘计算,为各领域应用带来更高效、可靠的解决方案。
|
13天前
|
机器学习/深度学习 传感器 物联网
【Python机器学习专栏】机器学习在物联网(IoT)中的集成
【4月更文挑战第30天】本文探讨了机器学习在物联网(IoT)中的应用,包括数据收集预处理、实时分析决策和模型训练更新。机器学习被用于智能家居、工业自动化和健康监测等领域,例如预测居民行为以优化能源效率和设备维护。Python是支持物联网项目机器学习集成的重要工具,文中给出了一个使用`scikit-learn`预测温度的简单示例。尽管面临数据隐私、安全性和模型解释性等挑战,但物联网与机器学习的结合将持续推动各行业的创新和智能化。
|
13天前
|
机器学习/深度学习 数据采集 算法
【Python 机器学习专栏】机器学习在医疗诊断中的前沿应用
【4月更文挑战第30天】本文探讨了机器学习在医疗诊断中的应用,强调其在处理复杂疾病和大量数据时的重要性。神经网络、决策树和支持向量机等方法用于医学影像诊断、疾病预测和基因数据分析。Python作为常用工具,简化了模型构建和数据分析。然而,数据质量、模型解释性和伦理法律问题构成挑战,需通过数据验证、可解释性研究及建立规范来应对。未来,机器学习将更深入地影响医疗诊断,带来智能和精准的诊断工具,同时也需跨学科合作推动其健康发展。
|
13天前
|
机器学习/深度学习 分布式计算 物联网
【Python机器学习专栏】联邦学习:保护隐私的机器学习新趋势
【4月更文挑战第30天】联邦学习是保障数据隐私的分布式机器学习方法,允许设备在本地训练数据并仅共享模型,保护用户隐私。其优势包括数据隐私、分布式计算和模型泛化。应用于医疗、金融和物联网等领域,未来将发展更高效的数据隐私保护、提升可解释性和可靠性的,并与其他技术融合,为机器学习带来新机遇。
|
13天前
|
机器学习/深度学习 自然语言处理 搜索推荐
【Python机器学习专栏】迁移学习在机器学习中的应用
【4月更文挑战第30天】迁移学习是利用已有知识解决新问题的机器学习方法,尤其在数据稀缺或资源有限时展现优势。本文介绍了迁移学习的基本概念,包括源域和目标域,并探讨了其在图像识别、自然语言处理和推荐系统的应用。在Python中,可使用Keras或TensorFlow实现迁移学习,如示例所示,通过预训练的VGG16模型进行图像识别。迁移学习提高了学习效率和性能,随着技术发展,其应用前景广阔。
|
2月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
|
1月前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)