【机器学习工具榜单】Tensorflow最多使用,Python 取代 R 成最受欢迎编程语言


新智元报道

来源:kdnuggets

编译:肖琴

【新智元导读】近日,KDnuggets网站公布了2018年度的数据科学和机器学习工具调查结果。2300多名参与者对自己“过去 12 个月内在项目开发中使用过的数据挖掘 / 机器学习工具和编程语言”进行了投票。

近日,KDnuggets网站公布了2018年度的数据科学和机器学习工具调查结果。2300多名参与者对自己“过去 12 个月内在项目开发中使用过的数据挖掘 / 机器学习工具和编程语言”进行了投票。

最受欢迎的分析、数据科学、机器学习工具

图1:2018年最受欢迎的分析/数据科学/机器学习工具,以及与2016~2017年调查结果的对比

下表列举了最受欢迎的前11个工具,其中每个的占比都达到20%以上。

表1:2018年最受欢迎的分析/数据科学/ 机器学习软件Top 10

上表中,2018 % share 是指使用这个工具的人占所有投票者的百分比,% change是指2018年相较2017年的投票变化。

每个受访者平均使用的工具数量为7.0个,略高于2017年的6.75个(排除了只选择1个工具的投票)。

与2017年的软件调查相比,今年新进入Top 10的是Keras。

Python取代R成为最受欢迎的编程语言

调查结果显示,Python在2017年调查中的占比已经超过50%,今年更是增加到66%,而R语言的占比自这个调查开始以来(今年是第19届)第一次下降到低于50%。

RapidMiner受欢迎程度大幅提高

在过去几次调查中,RapidMiner都是排名最高的数据科学平台,今年其占比从2017年的33%上升到50%。不过,这是由于RapidMiner采取了一些措施鼓励他们的用户参与该调查。

SQL排名保持稳定

SQL,包括Spark SQL和SQL to Hadoop工具,在过去的3次投票中每一次都有大约40%的投票占比。所以,如果你是数据科学家,学习SQL吧——它很可能在很长一段时间里都很有用。

趋势

下表列举了使用率增幅达到 20% 及以上,且2018 年使用率达到 3% 以上的工具。

表2:使用率增幅最大的主要分析/数据科学/机器学习工具

我们注意到,在2017年使用率达到2%或更高的56个工具中,有19个(约三分之一)在2018年使用率有所上升,而其余37个的使用率下降了。这和近期的几起收购(Datawatch收购Angoss, Minitab收购Salford)一起表明,数据科学平台的整合正在进行中。

下表列举了在2017年使用率至少有3%的工具,今年下降了25%甚至更多。

表3:使用率跌幅最大的主要分析/数据科学工具。

深度学习工具

调查结果显示,近几年深度学习工具的使用比例保持稳定。今年的调查中有33%的投票者使用深度学习工具中,2017年和2016年的比率分别为32%和18%。

谷歌的TensorFlow仍然是是目前最受欢迎的深度学习平台,不过Keras的使用率也很高,接近TensorFlow。

PyTorch排在第3,使用率为6.4%。不过, KDnuggets 的读者更多是数据科学领域的,这个数据可能不能完全反映这些深度学习工具在研究社区中的真实受欢迎程度。PyTorch在今年有一次较大的升级更新,并且与Caffe 2合并,预计未来它的使用率将会更高。

深度学习工具排名

  • 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%

大数据工具:Hadoop的使用率有所下降

今年的调查中,大约33%的投票者使用了大数据工具,要么是Hadoop,要么是Spark——比率大致与2017年相同,但Hadoop的使用率显著下降了——约为30%。

详细结果如下:

编程语言

Python取代R语言成为数据科学/机器学习开发者中最受欢迎的编程语言,而且也远高于其他编程语言。SQL、Java、C/ C++的排名保持不变。

这是自KDnuggets网站开始进行这项调查以来,R的使用率首次下降。其他编程语言的使用率也有所下降。

以下是按受欢迎程度排序的主要编程语言。

  • Python, 65.6% (2017年是59.0%), 11% 上升
  • R, 48.5% (2017年是 56.6%), 14% 下降
  • SQL, 39.6% (2017年是 39.2%), 1% 上升
  • Java, 15.1% (2017年是 15.5%), 3% 下降
  • Unix, shell/awk/gawk, 9.2% (2017年是 10.8%), 15% 下降
  • Other programming and data languages, 6.9%, (2017年是 7.6%), -9% 下降
  • C/C++, 6.8%, (2017年是 7.1%), 3% 下降
  • Scala, 5.9%, (2017年是 8.3%), 29% 下降
  • Perl, 1.0% (2017年是 1.9%), 46% 下降
  • Julia, 0.7% (2017年是 1.2%), 45% 下降
  • Lisp, 0.3% (2017年是 0.4%), -25% 下降
  • Clojure, 0.2% (2017年是 0.3%), -38% 下降
  • F, # 0.1% (2017年是 0.5%), -73% 下降

原文:https://www.kdnuggets.com/2018/05/poll-tools-analytics-data-science-machine-learning-results.html


原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2018-06-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏智能算法

开发AI可是个大工程 脸书想让AI自己开发AI

深度神经网络正在重塑互联网。通过分析大量的数字信息,深度神经网络可以自己学习,执行人类执行的任务,就在短短几年前,类似的智能系统还无法植入到网络服务中去。 要...

32613
来自专栏Android群英传

数据可视化是如何被创造出来的

871
来自专栏大数据文摘

Facebook最新研究:我们训练机器人讨价还价,没想到AI还自己学会了“使诈”(附论文)

1311
来自专栏AI科技评论

深度 | IBM语音识别能力逼近人类水平,获深度学习巨头Yoshua Bengio盛赞

你知道吗?人类每听20个词,其实就有一两个成为“漏网之鱼”。而在一段五分钟的对话中,这一数字达到了80。但对于我们而言,少听一两个词并不会影响我们对语意的理解,...

2696
来自专栏ATYUN订阅号

Kebotix利用机器学习和机器人加速化合物和材料设计

机器人手臂将移液器浸入培养皿中,并将少量明亮的液体转移到位于另一台机器前面的许多容器中。当所有样品都准备好后,第二台机器测试它们的光学特性,并将结果输送到控制臂...

824
来自专栏新智元

【AI研究者为什么喜欢游戏】DeepMind、Open AI和微软争相开源游戏训练平台

【新智元导读】游戏,更准确地说,模拟场景对于人工智能的研发来说是一个非常理想的场所,对于人工智能技术走向实际应用有着不容忽视的推动作用。目前,DeepMind、...

3568
来自专栏Petrichor的专栏

综述:VR、AR、MR、CR

902
来自专栏PPV课数据科学社区

个性化推荐技术的十大挑战

点击上方 “蓝色字” 可关注我们! ? 个性化推荐经常被人误解为细分市场和精准营销这两个概念。虽然它们之间有一些联系,但实质上却相差甚远。本文不仅清楚地讲述了...

3526
来自专栏AI研习社

机器人聊天的秘密|硬创公开课

语义理解简单来说,就是让计算机听懂用户说了什么,然后可以进一步回答用户的问题或与用户对话。这类技术在现实场景中的应用有大家比较熟知的微软小冰与百度度秘。锤子手机...

3484
来自专栏数据猿

【每周一本书】之《Java自然语言处理》(附上期赠书活动获奖名单)

【数据猿导读】本书整合基本问题解决更为复杂的NLP问题;训练NLP模型解决特定领域的问题;利用实用指南学习使用各种核心NLP技术 编辑 | abby 官网 | ...

2936

扫码关注云+社区