機器學習開發語言PK 智能時代誰能主導未來
來源：
奇酷教育 發表于：
從無人駕駛汽車到股市預測，再到在線學習，機器學習通過預測來進行自我提高的方法幾乎被用在了每一個領域。由于機器學習的實際運用，目
從無人駕駛汽車到股市預測，再到在線學習，機器學習通過預測來進行自我提高的方法幾乎被用在了每一個領域。由于機器學習的實際運用，目前它已經成為就業市場上最有需求的技能之一。但是機器學習的初學者，普遍需要面對一個問題：到底學習哪個編程語言？
下面，我們來看看四大主流機器學習語言--R語言、Java 、C/C++ 和 Python，希望能解答你心中的疑惑。
R 語言
R 是一個專門設計來進行數據計算的語言工具。在大規模數據挖掘、可視化和報告的應用場景中，它處于領先地位。通過 CRAN 資源庫，你能輕易獲得海量工具包，能應用于幾乎所有的機器學習算法、數據測試和分析過程。R 語言用于表達關系、轉化數據以及進行并行操作的語法十分優雅，但略顯深奧。
消息，KDNuggets 最近的調查發現，在分析、挖據和其他數據科學任務中，R 是最受歡迎、最常用的語言。但近年來 Python 逐漸搶走更多用戶。
Java
入門必讀 機器學習六大開發語言
Java 是大多數軟件工程師的選擇。這是由于在面向對象的編程中，它干凈、一致的執行方式；以及使用 JVMs 的平臺獨立性。它犧牲了簡潔和靈活性，以使代碼更清楚明白，并提高可靠性。這使它廣泛應用于重要級別較高的企業軟件系統中。為了維持相同水平的可靠性，并避免編寫出亂七八糟的界面。
在分析和設計原型上，java 有許多很有用的工具和庫（比如 Weka）。除此之外，在開發大規模分布式學習系統上，Java 有很多一流的選擇：比如 Spark+MLlib, Mahout, H2O 和 Deeplearning4j。但開發效率過慢，這也成為Java讓不少企業又愛又恨的原因。
C/C++
C/C++ 是編寫底層軟件的理想語言，比如操作系統的某部分或網絡草案。計算速度和內存效率在這些應用場景中十分關鍵。出于同樣的原因，它們也是執行機器學習底層步驟的通用選項。但是，由于缺乏對數據處理的慣用抽象化，而且內存管理加重了寫代碼的負擔，使它們對初學者十分不友好。開發完整的端到端系統中使用 C/C++ 也是一項負擔。
在嵌入式系統的例子中，比如智能設備、汽車和傳感器，使用 C 或者 C++ 語言可能是必需的。若現有平臺基礎或特定應用已使用了 C/C++，使用它們會更方便。另外，基于 C/C++ 的機器學習庫也有不少，比如 LibSVM, Shark 和 mlpack。
Python
雖然 Python 是一門通用型的編程、編寫腳本的語言，但它逐漸在數據科學家和機器學習工程師之間流行起來。與 R 和 MATLAB 不同的是，數據處理和科學計算的慣用語法并沒有內置于 Python 語言中，但 NumPy、SciPy 和 Pandas 這些庫把 Python 這方面的的功能性提到了與 R 和 MATLAB 同等的水平。還有人認為這使 Python 的語法更易用。
有海量開源框架支持 Python：比如 Scikit-learn、Theano、TensorFlow。這些專業機器學習庫使開發者訓練機器學習模型更便捷，有的還能很好地支持分布式計算。通常，這些資料庫中關乎性能表現的代碼，大多數仍然用 C 或 C++ 編寫，有的甚至用 Fortran；Python 的角色主要是作為 wrappers 或者 API。
Python 生態系統最大的優勢在于：用它組合出一個復雜的端到端產品或服務比較容易，比如說使用 Django 或 Flask 的網絡應用，還有使用 PyQt的桌面應用，甚至是使用 ROS 的自主機器人代理。
值得一提的是，包括 MIT、加州大學伯克利分校在內的美國頂級學府，已經把 Python 作為計算機新生的必修語言。可以預期，將來會有更多的 IT 頂級名校轉向 Python，與之相對的它在工業界的不斷普及。
總而言之，在機器學習領域，Python 是一個全能多面手，許多人認為它是未來的大趨勢。
Python的崛起也奠定了未來機器學習領域的主要地位，在人工智能時代，Python必然會成為最常用的主流語言，奇酷教育原創開發的
Python培訓課程www.tonecolour.cn不僅涵蓋Web前后端開發和網絡爬蟲技術，還包括獨有的數據分析和機器學習，前端、服務端一網打盡。可從事服務器運維、網絡爬蟲、大數據分析、機器學習、人工智能研究等多種熱門職業，學員百分百高薪就業!
