隨著 Big Data 熱潮持續延燒,幾乎每個產業都有如洪水般傾瀉的資訊,面對上萬筆的顧客瀏覽紀錄,只有挖掘数据背后的价值才能让企业掌握了主动权,要想成为数据分析人员,我们必须要了解相关的学习软件。
若要列出所有程式語言,你能忘記其他的沒關係,但最不能忘的就是 R。從 1997 年悄悄地出現,最大的優勢就是它免費,為昂貴的統計軟體像是 Matlab 或 SAS 的另一種選擇。
但是在過去幾年來,它的身價大翻轉,變成了資料科學界眼中的寶。不只是木訥的統計學家熟知它,包括 Wall Street 交易員、生物學家,以及矽谷開發者,他們都相當熟悉 R。多元化的公司像是 Google、Facebook、美國銀行以及 New York Times 通通都使用 R,它的商業效用持續提高。
R 的好處在於它簡單易上手,透過 R,你可以從複雜的資料集中篩選你要的資料,從複雜的模型函數中操作資料,建立井然有序的圖表來呈現數字。
Python
如果說 R 是神經質又令人喜愛的 Geek,那 Python 就是隨和又好相處的女生。
Python 結合了 R 的快速、處理複雜資料採礦的能力以及更務實的語言等各個特質,迅速地成為主流,Python 比起 R,學起來更加簡單也更直觀,而且它的生態系統近幾年來不可思議地快速成長,在統計分析上比起 R 功能更強。
Butler 說,「過去兩年間,從 R 到 Python 地顯著改變,就像是一個巨人不斷地推動向前進」。
在資料處理範疇內,通常在規模與複雜之間要有個取捨,而 Python 以折衷的姿態出現。IPython Notebook(記事本軟體)和 NumPy 被用來暫時存取較低負擔的工作量,然而 Python 對於中等規模的資料處理是相當好的工具;Python 擁有豐富的資料族,提供大量的工具包和統計特徵。
美國銀行用 Python 來建立新產品和在銀行的基礎建設介面,同時也處理財務資料,「Python 是更廣泛又相當有彈性,所以大家會對它趨之若鶩。」O’Donnell 如是說。
然而,雖然它的優點能夠彌補 R 的缺點,它仍然不是最高效能的語言,偶爾才能處理龐大規模、核心的基礎建設。
Julia
今日大多數的資料科學都是透過 R、Python、Java、Matlab 及 SAS 為主,但仍然存在著鴻溝要去彌補,而這個時候,新進者 Julia 看到了這個痛點。
Julia 仍太過於神秘而尚未被業界廣泛的採用,但是當談到它的潛力足以搶奪 R 和 Python 的寶座時,資料駭客也難以解釋。原因在於 Julia 是個高階、不可思議的快速和善於表達的語言,比起 R 要快的許多,比起 Python 又有潛力處理更具規模的資料,也很容易上手。
「Julia 會變的日漸重要,最終,在 R 和 Python 可以做的事情在 Julia 也可以」。Butler 是這麼認為的。
就現在而言,若要說 Julia 發展會倒退的原因,大概就是它太年輕了。Julia 的資料社區還在初始階段,在它要能夠和 R 或 Python 競爭前,它還需要更多的工具包和軟件包。
Driscoll 說,它就是因為它年輕,才會有可能變成主流又有前景。
Java
Driscoll 說,Java 和以 Java 為基礎的架構,是由矽谷裡最大的幾家科技公司的核心所建立的,如果你從 Twitter、Linkedin 或是 Facebook 裡觀察,你會發現 Java 對於所有資料工程基礎架構而言,是非常基礎的語言。
Java 沒有和 R 和 Python 一樣好的視覺化功能,它也不是統計建模的最佳工具,但是如果你需要建立一個龐大的系統、使用過去的原型,那 Java 通常會是你最基的選擇。
Hadoop and Hive
為了迎合大量資料處理的需求,以 Java 為基礎的工具群興起。Hadoop 為處理一批批資料處理,發展以 Java 為基礎的架構關鍵;相較於其他處理工具,Hadoop 慢許多,但是無比的準確和可被後端資料庫分析廣泛使用。和 Hive 搭配的很好,Hive 是基於查詢的架構下,運作的相當好。
Scala
又是另一個以 Java 為基礎的語言,和 Java 很像,對任何想要進行大規模的機械學習或是建立高階的演算法,Scala 會是逐漸興起的工具。它是善於呈現且擁有建立可靠系統的能力。
「Java 像是用鋼鐵建造的;Scala 則是讓你能夠把它拿進窯烤然後變成鋼的黏土」Driscoll 說。
Kafka and Storm
說到當你需要快速的、實時的分析時,你會想到什麼?Kafka 將會是你的最佳夥伴。其實它已經出現五年有了,只是因為最近串流處理興起才變的越來越流行。
Kafka 是從 Linkedin 內誕生的,是一個特別快速的查詢訊息系統。Kafka 的缺點呢?就是它太快了,因此在實時操作時它會犯錯,有時候會漏掉東西。
魚與熊掌不可兼得,「必須要在準確度跟速度之間做一個選擇」,Driscoll 說。所以全部在矽谷的科技大公司都利用兩個管道:用 Kafka 或 Storm 處理實時數據,接下來打開 Hadoop 處理一批批處理資料系統,這樣聽起來有點麻煩又會有些慢,但好處是,它非常非常精準。
Storm 是另一個從 Scala 寫出來的架構,在矽谷逐漸大幅增加它在串流處理的受歡迎程度,被 Twitter 併購,這並不意外,因為 Twitter 對快速事件處理有極大的興趣。
Matlab
Matlab 可以說是歷久不衰,即使它標價很高;在非常特定的利基市場它使用的相當廣泛,包括密集的研究機器學習、信號處理、圖像辨識等等。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14