你在一個外國餐館，你不熟悉這種文化。 你可能會問服務員關(guān)于菜單上的文字，他們的意思，甚至在你發(fā)現(xiàn)你將使用什么用具之前的一些問題。 因此，在談論數(shù)據(jù)科學家最喜歡的工具之前，讓我們弄清楚他們使用的編程語言。

最流行的機器學習語言

你在一個外國餐館，你不熟悉這種文化。 你可能會問服務員關(guān)于菜單上的文字，他們的意思，甚至在你發(fā)現(xiàn)你將使用什么用具之前的一些問題。 因此，在談論數(shù)據(jù)科學家最喜歡的工具之前，讓我們弄清楚他們使用的編程語言。

這就是為什么我們采訪數(shù)據(jù)科學從業(yè)者 - 大師，真正考慮他們?yōu)轫椖窟x擇的有用工具。 我們聯(lián)系的專家擁有各種專業(yè)領(lǐng)域，并且在Facebook和三星等公司工作。 其中一些代表AI創(chuàng)業(yè)公司（Objection Co，NEAR.AI和Respeecher）; 一些人在大學任教（哈爾科夫國立無線電大學）。

Python：一種流行語言，具有高質(zhì)量的機器學習和數(shù)據(jù)分析庫

Python是一種通用語言，因其可讀性，良好的結(jié)構(gòu)和相對溫和的學習曲線而備受青睞。根據(jù)1月份進行的Stack Overflow年度開發(fā)人員調(diào)查，Python可以稱為增長最快的主要編程語言。它排名第七，最受歡迎的語言（38.8％），現(xiàn)在比C＃領(lǐng)先一步（34.4％）。

Respeecher Grant Reaber的研究主管，專門研究應用于語音識別的深度學習，使用Python作為“幾乎每個人都將其用于深度學習。 Swens for TensorFlow聽起來像一個很酷的項目，但我們會等到它更成熟才考慮使用它，“格蘭特總結(jié)道。

NEAR.AI創(chuàng)業(yè)公司的聯(lián)合創(chuàng)始人之前曾在Google Research深入學習NLU Illia Polosukhin的團隊，他也堅持使用Python：“Python始終是數(shù)據(jù)分析的語言，并且隨著時間的推移變成了事實所有現(xiàn)代化的圖書館都為深度學習提供語言。“

Python機器學習的一個用例是模型開發(fā)，特別是原型設計。

AltexSoft的數(shù)據(jù)科學能力領(lǐng)導者Alexander Konduforov表示，他主要將其用作構(gòu)建機器學習模型的語言。

三星烏克蘭的首席工程師Vitaliy Bulygin認為Python是快速原型制作的最佳語言之一。 “在原型設計過程中，我找到了最佳解決方案并用項目所需的語言重寫，例如C ++，”專家解釋道。

Facebook人工智能研究員Denis Yarats指出，這種語言有一個非常棒的深度學習工具集，如PyTorch框架或NumPy庫（我們將在本文后面討論）。

C ++：用于CUDA并行計算的中級語言

C ++是一種基于C編程語言的靈活的，面向?qū)ο蟮撵o態(tài)類型語言。由于其可靠性，性能以及它支持的大量應用程序域，該語言在開發(fā)人員中仍然很受歡迎。 C ++具有高級和低級語言特性，因此被認為是一種中級編程語言。該語言的另一個應用是開發(fā)可以在實時約束下直接與硬件交互的驅(qū)動程序和軟件。由于C ++足夠清晰，可以解釋基本概念，因此它可用于研究和教學。

數(shù)據(jù)科學家將這種語言用于各種具體的任務。哈爾科夫國家無線電電子學院（NURE）的高級講師Andrii Babii使用C ++在CUDA（一種Nvidia GPU計算平臺）上并行實現(xiàn)算法，以加速基于這些算法的應用程序。

“當我為CUDA編寫自定義內(nèi)核時，我需要C ++，”Denis Yarats補充道。

R：統(tǒng)計計算和圖形的語言

R是統(tǒng)計，可視化和數(shù)據(jù)分析的語言和環(huán)境，是數(shù)據(jù)科學家的首選。 它是S編程語言的另一種實現(xiàn)。

R和寫在其中的庫提供了許多圖形和統(tǒng)計技術(shù)，如經(jīng)典統(tǒng)計測試，線性和非線性建模，時間序列分析，分類，聚類等。您可以使用R機器學習包輕松擴展語言。 該語言允許創(chuàng)建高質(zhì)量的圖，包括公式和數(shù)學符號。

Alexander Konduforov指出，使用R進行機器學習可實現(xiàn)快速數(shù)據(jù)分析和可視化。

數(shù)據(jù)分析和可視化工具

pandas：一個增強分析和建模的Python數(shù)據(jù)分析庫

現(xiàn)在是時候談談Python熊貓了，這是一個最可愛名字的免費圖書館。數(shù)據(jù)科學愛好者Wes McKinney開發(fā)了這個庫，以便在Python中方便地進行數(shù)據(jù)分析和建模。在大熊貓之前，這種編程語言僅適用于數(shù)據(jù)準備和修改。

pandas通過將CSV，JSON和TSV數(shù)據(jù)文件或SQL數(shù)據(jù)庫轉(zhuǎn)換為數(shù)據(jù)框，看起來像Excel的Python對象或帶有行和列的SPSS表來簡化分析。更重要的是，pandas與IPython工具包和其他庫相結(jié)合，以提高性能并支持協(xié)同工作。

matplotlib：用于高質(zhì)量可視化的Python機器學習庫

matplotlib是一個Python 2D繪圖庫。繪圖是機器學習數(shù)據(jù)的可視化。 matplotlib源自MATLAB：它的開發(fā)人員John D. Hunter模擬了Mathworks的MATLAB軟件中的繪圖命令。

雖然主要使用Python編寫，但庫使用NumPy和其他代碼進行擴展，因此即使用于大型數(shù)組也能很好地執(zhí)行。

matplotlib允許使用幾行代碼生成生產(chǎn)質(zhì)量的可視化。庫開發(fā)人員強調(diào)了它的使用簡單：“如果要查看數(shù)據(jù)的直方圖，則不需要實例化對象，調(diào)用方法，設置屬性等等;它應該工作?！?/p>

可以使用seaborn，ggplot和HoloViews等第三方可視化軟件包擴展庫的功能。 專家還可以使用Basemap和cartopy投影和繪圖工具包添加額外的功能。

數(shù)據(jù)科學從業(yè)者注意到matplotlib的靈活性和集成能力。 例如，Andrii Babii喜歡使用matplotlib和seaborn以及ggplot2。

Denis Yarats（Facebook AI Research）表示他選擇matplotlib主要是因為它與Python工具集很好地集成，可以與NumPy庫或PyTorch機器學習框架一起使用。

Alexander Konduforov和他的AltexSoft團隊也使用matplotlib。 除了大量的Python機器學習庫（如pandas）以及支持R和Python的Plotly之外，團隊還選擇了dplyr，ggplot2，tidyr和Shiny R庫。 “這些工具可以免費使用，但你必須知道編程至少要使用它們，有時需要額外的時間?！?/p>

Jupyter Notebook：協(xié)同工作能力

Jupyter Notebook是一個用于交互式計算的免費Web應用程序。有了它，用戶可以使用實時代碼創(chuàng)建和共享文檔，開發(fā)和執(zhí)行代碼，以及呈現(xiàn)和討論任務結(jié)果?？梢酝ㄟ^Dropbox，電子郵件，GitHub和Jupyter Notebook Viewer共享文檔，它可以包含圖形和敘述文本。

筆記本電腦功能豐富，提供各種使用場景。

它可以與許多工具集成，例如Apache Spark，pandas和TensorFlow。它支持40多種語言，包括R，Scala，Python和Julia。除了這些功能，Jupyter Notebook還支持容器平臺--Docker和Kubernetes。

來自NEAR.AI的Illia Polosukhin表示，他主要使用Jupyter Notebook進行自定義臨時分析：“該應用程序允許快速進行任何數(shù)據(jù)或模型分析，并能夠連接到遠程服務器上的內(nèi)核。您還可以與同事分享最終的筆記本。“

Tableau：強大的數(shù)據(jù)探索功能和交互式可視化

Tableau是一種用于數(shù)據(jù)科學和商業(yè)智能的數(shù)據(jù)可視化工具。許多特定功能使該軟件有效地解決了各種行業(yè)和數(shù)據(jù)環(huán)境中的問題。

通過數(shù)據(jù)探索和發(fā)現(xiàn)，Tableau軟件可以快速從數(shù)據(jù)中提取洞察并以可理解的格式呈現(xiàn)它們。它不需要出色的編程技能，可以輕松安裝在各種設備上。雖然必須編寫一個小腳本，但大多數(shù)操作都是通過拖放完成的。

Tableau支持實時分析和云集成（即與AWS，Salesforce或SAP），允許組合不同的數(shù)據(jù)集和集中數(shù)據(jù)管理。

使用的簡單性和功能集是數(shù)據(jù)科學家選擇此工具的原因。 “Tableau具有許多內(nèi)置功能，不需要編碼。 您可以在UI中執(zhí)行大量數(shù)據(jù)預處理，分析和可視化，從而節(jié)省了大量精力。 但是，你必須購買許可證，因為它不是免費產(chǎn)品，“Alexander Konduforov說。

用于一般機器學習的框架

NumPy：使用Python進行科學計算的擴展包

之前提到的NumPy是一個擴展包，用于使用Python執(zhí)行數(shù)值計算，取代了NumArray和Numeric。 它支持多維數(shù)組（表）和矩陣。 ML數(shù)據(jù)以數(shù)組表示。 矩陣是二維數(shù)字數(shù)組。 NumPy包含廣播功能，作為集成C / C ++和Fortran代碼的工具。 其功能還包括傅里葉變換，線性代數(shù)和隨機數(shù)功能。

數(shù)據(jù)科學從業(yè)者可以使用NumPy作為存儲多維通用數(shù)據(jù)的有效容器。 通過定義任意數(shù)據(jù)類型的能力，NumPy可以輕松快速地與多種數(shù)據(jù)庫集成。

scikit-learn：易于使用的機器學習框架，適用于眾多行業(yè)

scikit-learn是一個開源的Python機器學習庫，建立在SciPy（Scientific Python），NumPy和matplotlib之上。

最初由David Cournapeau于2007年開始作為Google Summer of Code項目，scikit-learn目前由志愿者維護。截至今天，已有1,092人參與其中。

該庫專為生產(chǎn)用途而設計。簡單，定性代碼，協(xié)作選項，性能以及用簡單語言編寫的大量文檔有助于其在各種專家中的流行。

scikit-learn為用戶提供了許多成熟的算法，用于監(jiān)督和無監(jiān)督學習。來自Machine Learning Mastery的數(shù)據(jù)科學從業(yè)者Jason Brownlee指出，該庫側(cè)重于建模數(shù)據(jù)，而不是其加載，操作和摘要。他建議使用NumPy和pandas來實現(xiàn)這三個功能。

Denis Yarats使用NumPy，pandas和scikit-learn進行一般機器學習：“我喜歡它們的簡潔性和透明度。這些工具被廣泛采用并且許多人多年來一直在進行戰(zhàn)斗測試，這也很有幫助?！?/p>

“AltexSoft數(shù)據(jù)科學團隊主要使用像scikit-learn和xgboost這樣的Python庫來進行分類和回歸任務，”Aleksander觀察道。

Andrii Babii更喜歡使用sc語言學習R語言庫和包。 “我正在使用這種組合，因為它是開源的，具有很強的功能并相互補充，”數(shù)據(jù)科學家解釋道。

NLTK：基于Python的人類語言數(shù)據(jù)處理平臺

NLTK是一個用于開發(fā)Python程序以使用人類語言的平臺。

Aleksander Konduforov更喜歡這個工具用于NLP任務。 “NLTK幾乎是Python中用于文本處理的標準庫，它具有許多有用的功能。 例如，不同類型的文本，句子和文字處理，詞性標注，句子結(jié)構(gòu)分析，命名實體識別，文本分類，情感分析等等。 所有這些庫都是免費的，并提供足夠的功能來解決我們的大部分任務，“專家指出。

用于神經(jīng)網(wǎng)絡建模的ML框架

TensorFlow：用于大規(guī)模機器學習的靈活框架

TensorFlow是一個開源軟件庫，用于2015年谷歌人工智能組織內(nèi)Google Brain團隊開發(fā)和發(fā)布的機器學習和深度神經(jīng)網(wǎng)絡研究。

該庫的一個重要特征是數(shù)值計算是由包含節(jié)點和邊的數(shù)據(jù)流圖完成的。 節(jié)點表示數(shù)學運算，并且邊是多維數(shù)據(jù)陣列或張量，在其上執(zhí)行這些操作。

TensorFlow非常靈活，可用于各種計算平臺（CPU，GPU和TPU）和設備，從臺式機到服務器集群，再到移動和邊緣系統(tǒng)。它可以在Mac，Windows和Linux上運行。

該框架的另一個優(yōu)點是它可用于研究和重復的機器學習任務。

TensorFlow擁有豐富的開發(fā)工具，尤其適用于Android。三星烏克蘭首席工程師Vitaliy Bulygin表示，“如果你需要在Android上實現(xiàn)某些功能，請使用TensorFlow?！?/p>

Objection Co的首席執(zhí)行官Curtis Boyd表示，他的團隊選擇使用TensorFlow進行機器學習，因為它是開源的并且非常容易集成。

由Google開源的兩款AIY套件讓個人可以輕松獲得人工智能。 這兩個套件專注于計算機視覺和語音助理，是一個小型自組裝紙板箱，配有所需的所有組件。

如果你想更加了解TensorFlow，或者說想實踐一下人工智能項目，谷歌的另一款工具或許可以幫到你，也就是谷歌的AIY Projects項目。 AIY Vision Kit附帶的軟件運行三個基于TensorFlow的神經(jīng)網(wǎng)絡。 其中一個基于谷歌的MobileNets平臺，能夠識別超過1,000個日常物品。 第二個可以在圖像中發(fā)現(xiàn)面部和表情。 最后一個是專門用于識別貓，狗和人的神經(jīng)網(wǎng)絡。

TensorBoard：模型訓練可視化的好工具

TensorBoard是一套工具，用于TensorFlow中機器學習的不同方面和階段的圖形表示。

TensorBoard讀取TensorFlow事件文件，其中包含在TensorFlow運行時生成的摘要數(shù)據(jù)（有關(guān)模型特定操作的觀察）。

用圖表顯示的模型結(jié)構(gòu)允許研究人員確保模型組件位于需要的位置并正確連接。

使用圖形可視化工具，用戶可以探索模型抽象的不同層，放大和縮小模式的任何部分。 TensorBoard可視化的另一個重要好處是相同類型和類似結(jié)構(gòu)的節(jié)點涂有相同的顏色。用戶還可以查看按設備著色（CPU，GPU或兩者的組合），使用“跟蹤輸入”功能突出顯示特定節(jié)點，并一次可視化一個或多個圖表。

這種可視化方法使TensorBoard成為模型性能評估的流行工具，尤其適用于深層神經(jīng)網(wǎng)絡等復雜結(jié)構(gòu)模型。

Grant Reaber指出，TensorBoard可以輕松監(jiān)控模型培訓。 Grant和他的團隊也使用此工具進行自定義可視化。

Illia Polosukhin也選擇了TensorBoard。 “TensorBoard在模型開發(fā)過程中顯示指標，并允許對模型做出決策。例如，監(jiān)控模型在調(diào)整其超參數(shù)并選擇性能最佳時的表現(xiàn)非常方便，“總結(jié)了Illia。

除了顯示性能指標外，TensorBoard還可以向用戶顯示許多其他信息，如直方圖，音頻，文本和圖像數(shù)據(jù)，分布，嵌入和標量。