业界 | 超越R,Python成为最受欢迎的机器学习语言

你应该挑选正确的工具做机器学习。

你正在做的特定预测模型问题要求特定的编程语言、库、甚至是机器学习算法。但如果你只是刚开始呢?还在找一个平台学习并实践机器学习呢?

在此文章中,你会发现 Python 正在成为做机器学习逐渐流行的平台,在采用率与能力上极可能超过并推翻 R 语言。

读完该文章后,你将会明白:

对 Python 机器学习的搜索量增长迅速,已经超越了 R 语言机器学习的搜索量;

Python 机器学习招聘的比例正在增长,已经超越了 R 语言;

调查中,近 50% 的调查对象使用 Python,而且正在增长;

用 Python 做机器学习的趋势在增长

让我们看一下以下三个领域,从此三方面都能看到使用 Python 进行机器学习的趋势正在增长:

搜索量

招聘广告

专业工具使用

搜索量

搜索量可能表明学生、工程师和其他从业者搜索信息开始或者深入这一主题的趋势。

谷歌提供了一个名为 Google Trends 的工具,能让我们观察关键字随时间变化的搜索量。

我们能够调查 2014 年至 2016 年「Python 机器学习」的增长趋势,如下图所示:

  

业界 | 超越R,Python成为最受欢迎的机器学习语言

我们能够看到在 2012 年趋势开始上涨,在 2015 年急剧上涨,这可能是因为 TensorFlow 这样的 Python 深度学习工具。

我们也可与 R 机器学习的搜索量进行对比,我们可以看到在 2015 年中期,Python 机器学习已经超过 R 机器学习:

  

业界 | 超越R,Python成为最受欢迎的机器学习语言

蓝色代表「Python 机器学习」,红色代表「R 机器学习」。

Python 机器学习招聘增长

Indeed 是一个招聘搜索网站,像 Googel Trends 一样,它可提供匹配关键词的招聘广告量。

我们能够调查过去 4 年的「Python 机器学习职位」。

  

业界 | 超越R,Python成为最受欢迎的机器学习语言

我们能够看到 X 轴上的时间和匹配关键词的招聘比例。该图显示从 2012 年至 2015 年几乎呈现线性增长,在 2016 年有曲棍球式的增长。

我们也可以对比 Python 和 R 的招聘广告。

  

业界 | 超越R,Python成为最受欢迎的机器学习语言

蓝色表示 Python 机器学习,橙色表示 R 机器学习

与谷歌搜索量有显著的对比。从 Indeed 网站获得的招聘广告的比率显示从 2012 年开始,对 Python 机器学习技能的需求一直高于对 R 机器学习技能的需求,差距在近几年逐渐拉大。

KDnuggets 调查结果:更多人使用 Python 进行机器学习

通过回顾 KDnuggets Software Poll Results 我们能够观察机器学习从业者使用的工具:

下面就引自 2016 年的结果:

R 语言仍然主导工具,占有 49% 的份额,但 Python 增长迅速,几乎赶超 R 语言。——Gregory Piatetsky。

该调查追踪了机器学习和数据科学从业人士使用的工具,在调查中,从业者可以选择多种工具。以下是过去 4 年 Python 机器学习的增长比例:

  

下面是一张增强趋势图:

  

业界 | 超越R,Python成为最受欢迎的机器学习语言

我们可以看到几乎呈现线性增长趋势,在 2016 年刚好低于 50%

值得注意的是,近几年的调查中参与调查的对象也从几百增加到了几千人,参与者是自选择的。

O'Reilly 调查结果:更多人使用 Python 进行机器学习

O'Reilly 展示了年度数据科学薪水调查结果。

他们收集了大量数据科学家和机器学习从业者的数据,并展示了调查结果。该调查追踪了从业人员对工具的使用情况。从下面这段话中,我们可以看到 Python 如今在数据科学薪资中扮演重要角色:

Python 和 Spark 是最对薪资有贡献的工具。

回顾此调查结果,我们可以看到类似的增长趋势:

  

图形展示如下:

  

业界 | 超越R,Python成为最受欢迎的机器学习语言

  有趣的是 O'Reilly 的调查结果非常类似于 KDNuggeets 的结果。

©本文由机器之心编译,转载请联系本公众号获得授权

  ?------------------------------------------------

加入机器之心(全职记者/实习生):hr@almosthuman.cn

投稿或寻求报道:editor@almosthuman.cn

广告&商务合作:bd@almosthuman.cn

用户喜欢...

S32V234适用于ADAS、NCAP前视摄像头、异物检测和识别、环视、机器学习和传感器融合应用

概述 S32V234是我们的第二代视觉处理器系列,旨在支持图像处理的计算密集型应用,并提供了一个ISP、强大的3D GPU、双APEX-2视觉加速器和安全性,以及支持SafeAssure。S32V234适用于ADAS、NCAP前视摄...


Infineon 面向智能手机、可穿戴设备和服务机器人的无线充电解决方案

Infineon 面向智能手机、可穿戴设备和服务机器人的无线充电解决方案 可确保绝佳用户体验的高性价比系统解决方案 无线电源在市场驱动下一直在不断增长,并且预期未来亦会持续对我们的日常...


机器学习更接近你身边的微控制器

机器学习(ML)是人工智能(AI)的一个分支,多年来一直在电子系统中应用。但是,直到现在,实施ML所需的处理能力大部分都被限制在基于云计算的活动中。然而,这种情况即将发生变化,随...



降低机器人风险:如何设计安全的工业环境

工业自动化(IA)的增加,特别是工业机器人的使用,正在增加人类操作员与其他移动设备或移动机器之间的意外交互的机会。设计师有责任采取适当且经常重叠的安全预防措施,以避免从生产...


降低机器人风险:如何设计一个安全的工业环境

工业自动化(IA)的增加,尤其是工业机器人的使用,正在增加人类操作员与其他移动设备或移动机器之间的意外交互的机会。设计人员有责任采取适当且经常重叠的安全措施,以避免从生产中...


Murata WSM-BL241 Bluetooth® 5.0低功耗模块适合用于智能设备、医疗和保健以及机器对机器 (M2M) 应用

Murata WSM-BL241 Bluetooth5.0低功耗模块 了解MBN52832开发套件详情 Murata WSM-BL241 Bluetooth5.0低功耗 (BLE) 模块可实现超低功率连接,用于数据通信。该模块将Nordic Bluetooth低功耗IC、射频前端和晶体集成到...


机器的崛起

现在是2035年,过去三年里,加利福尼亚州禁止汽车的手动驾驶。许多人追溯到2031年高速公路堆积如山的一场车祸,涉及72辆车,20多人死亡和多起诉讼,最终追溯到一名青少年司机因发短信而分...


LabVIEW图形化系统设计—机器人设计的前沿方法

引言 移动机器人构成复杂、应用灵活,目前商业化程度还不高,相对处于前沿研究的阶段,因此一直以来都是科学家和工程师们关注的重点。 移动机器人具有某些共同的构架和组成部分,是一...


对机器人选择电机的几点思考

机器人执行特定的,定义明确的任务,如装配线工作,手术协助,仓库交付/检索,甚至清理地雷等任务。今天的机器人既可以处理高度重复的任务,又可以处理需要灵活定位和操作的复杂功能...


随着机器人技术的全面发展,供应商对运动控制参考设计做出了回应

随着从液压机器人到全电动机器人执行器的转变,电子元件供应商现在可以提供全面的电机控制参考设计,包括电机,MOSFET和驱动器,处理器,算法甚至电源连接器。 机器人运动系统过去需要...


使用 Micro Python 快速开发基于实时微控制器的应用程序

实时嵌入式系统变得非常复杂,不仅要深入了解复杂的 32 位微控制器,还要了解传感器、算法、因特网协议以及各种不同的终端用户应用。随着开发周期缩短和功能增多,开发团队需要设法加...


物联网三阶段演进 市场、安全、人力与并购均有影响

物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,...


[原创] ST STSPIN820+STM32 Nucleo步进马达驱动方案

ST公司的STSPIN820是集成了控制逻辑和低RDSon功率级的步进马达驱动器,控制器采用有固定OFF时间的PWM电流控制,微步距分...


无人驾驶车离现实还有多远?

无人驾驶技术需要达到99.9999999999%的准确度才可能达到真正普及的条件,这似乎是一段不算短的路。...


主流机器学习算法简介与其优缺点分析

机器学习算法的分类是棘手的,有几种合理的分类,他们可以分为生成/识别,参数/非参数,监督/无监督等。 例如,Scikit-Learn的文档页面通过学习机制对算法进行分组。这产生类别如:1,广...