盘点 | 2017 年 Python 这些重要的事件

上周在马哥 Python 的万人学习社群做了个调研,盘点了一下2017年 Python 的重要事件,希望抛砖引玉。

1.Python 大热:从业界反馈看机器学习语言趋势——2017年1月

在深度学习市场,对 Python 的招聘需求仍然最高。但前五大语言的排序变成了Python,C++,Java,C,R。这里有很明显的对高性能计算语言的侧重。 而且,Java 的增长速度惊人,它可能很快成为深度学习市场的第二位。在可预期的将来,R 还不会成为最受欢迎的深度学习语言。令人惊讶的是 Lua 的存在感之低。要知道,开源框架巨头之一的 Torch 便是基于 Lua,许多开发者因此会认为它在深度学习市场占有特殊地位。

2.Python 正式迁移到 GitHub——2017年2月

Python 正式迁移到源码托管平台 GitHub,拥抱了 Git 版本控制系统。Python 社区早在2014年就开始讨论是否迁移到 GitHub 以改进开发流程,当时 Python 使用的版本控制系统是 Mercurial,而 GitHub 只支持 Git 版本控制系统,所以这也意味着 Python 需要迁移到 Git。

3.2017 年7大最佳的人工智能编程语言——Python 第一!——2017年3月

在第三届互联网大会中百度 CEO 李彦宏曾表述:靠移动互联网的风口已经没有可能再出现独角兽了,因为市场已经进入了一个相对平稳的发展阶段,互联网人口渗透率已经超过了50%。而未来的机会在人工智能。的确互联网巨头公司在人工智能领域投入明显增大,都力争做人工智能时代的“带头大哥”。

Python 作为一门编程语言,其魅力远超C#,Java,C,C++,它被昵称为“胶水语言”,更被热爱它的程序员誉为“最美丽的”编程语言。从云端、客户端,到物联网终端,python 应用无处不在,同时也是人工智能首先的编程语言。

4.Python 荣获2017年最流行编程语言——2017年7月

根据IEEE Spectrum 研究报告显示,在2016年排名第三的 Python 在今年已经成为世界上最受欢迎的语言,C 和 Java 分别位居第二和第三位。最近我们报道,Java 被斯坦福大学定为入门语言,主要是因为这个编程语言已经“老化”,斯坦福大学不鼓励学生采用 CS 106课程,而是用 JavaScript 代替 Java。然而,根据这份报告,Java 仍然是招聘者中最受欢迎的技能之一。

5.Python 超过 R,成为数据科学和机器学习的最常用语言——2017年8月

近期,数据挖掘资讯网站 KDnuggets 开展了一项调查,问题是“2016年和2017年,在数据分析、数据科学和机器学习工作中,你使用R、Python、两者都用,还是其他工具?”

对954名受访者的调查显示,Python 尚未完全“吞噬”R,但2017年 Python 生态系统已经超越了 R,成为数据分析、数据科学和机器学习领域领先的平台,同时也在迅速吸引其他平台的用户。

2016年,Python 排名第二(“主要使用 Python”占比为34%,“主要使用R”占比为42%),而在2017年的结果中,Python 和 R 的占比分别为41%和36%。

7.Python 是高收入国家增长最快的语言,没有之一!——2017年9月

本文根据 Stack Overflow 流量分析了 Python 及其他一些编程语言的发展情况,同时也对高收入国家与非高收入国家的情况进行了对比。以下是译文。

我们最近的研究表明,富裕国家(世界银行定义为高收入国家)喜欢研究的技术与其他国家的不同。其中,我们看到最大的差异是 Python 语言。当我们关注高收入国家的时候,甚至可以看到 Python 的增长速度甚至比 Stack Overflow Trends 或者其他一些全球软件开发排名显示的还要快。

8.Ubuntu 17.10默认不再安装 Python 2——2017年10月

这次的 Ubuntu 17.10 虽然不是重要的 LTS 版本,连 Ubuntu 官网的介绍中都将其视作是明年的 Ubuntu 18.04 LTS 的前奏,但是这个版本其实还是有几个处女式创新:

  • 这是第一个放弃 32 位支持的主版本,不过 17.10 的官方风味版本还会继续支持 32 位。

  • 这是七年来 Ubuntu 主版本第一次放弃 Unity 用户界面,改投 GNOME 怀抱,目前采用的是最新的 GNOME 3.26.1。

  • 这是第一次默认使用 Wayland 显示服务器,而 X.Org 显示服务器则是可选的。当然如果你的机器不支持 Wayland ,会自动回退到 X.Org。

  • 默认不再安装 Python 2,Python 3 更新到了 3.6。

9.numpy 宣布不再支持 python2.7——2017年11月

Python 核心团队计划在2020年停止支持 Python 2。NumPy 项目自2010年以来一直支持 Python 2和 Python 3,并且发现支持 Python 2对我们有限的资源增加了负担;因此,我们最终计划将停止支持 Python 2。现在,我们已经进入了社区支持的 Python 2的最后几年,NumPy 项目公布了它逐步淘汰 Python 2 支持的时间表,目标是帮助下游生态系统制定计划并完成过渡。

我们目前的计划如下:

  • 到2018年12月31日为止,所有的 NumPy 版本都将完全支持 Python2和Python3。

  • 从2019年1月1日开始,任何新的功能版本都只支持 Python3

10.Google Research Blog 推出开源 Python 库“Tangent”

消息,日前,Google Research Blog 推出开源 Python 库“Tangent”。据介绍,这个库与现有的机器学习库相比,存在诸多优势,可以大大改善了用户的使用体验。

  整理如下:

  Tangent 是一个全新的免费开源 Python 库,可以用于自动微分。与其他现有的机器学习库相比,Tangent属于源到源(source-to-source)系统,可以用 Python f 函数调用新的 Python 函数,计算出 f 的梯度。对用户来说,这大大改善了梯度计算的可见性,更易于编辑和调试。

11.Python 进入山东小学教材,还列入全国计算机等级考试——2017年12月

从 2018 年起,浙江省信息技术教材将不会在使用晦涩难懂的 VB 语言,而是改学更简单易懂的 Python 语言。也就是说,Python 将纳入高考内容之一。

Python 进入山东小学教材

据「海码爸爸」称:浙江省信息技术课程改革方案已经出台,Python 确定进入浙江省信息技术高考,从 2018 年起浙江省信息技术教材编程语言将会从 VB 更换为 Python。

其实不止浙江,教育大省北京和山东也确定要把 Python 编程基础纳入信息技术课程和高考的内容体系,Python 语言课程化也将成为孩子学习的一种趋势。

尤其山东省最新出版的小学信息技术六年级教材也加入了 Python 内容,小学生都开始接触 Python 语言了!!

12.微软正考虑添加 Python 为官方的 Excel 脚本语言(2017年12月19日)

据外媒报道,微软正考虑添加 Python 为官方的一种 Excel 脚本语言,如果获得批准,Excel 用户将能够像目前使用 VBA 脚本一样,使用 Python 脚本与 Excel 文档、数据以及一些 Excel 核心函数进行交互。

13.Python Web 开发框架 Django 2.0 发布(2017年12月04日)

流行 Python Web 开发框架 Django 释出了 2.0 版本。主要变化包括:停止支持 Python 2 系列,Django 1.11.x 是支持 Python 2.7 的最后版本,Django 2.0 支持 Python 3.4、3.5 和 3.6,其中 Python 3.4 将于 2019 年 3 月结束支持,因此 Django 2.0 也将是最后一个支持 Python 3.4 的版本。

以上为 Python 2017 年的大事件,欢迎大家补充!


本文转载自知乎

原文链接:https://www.zhihu.com/question/61057521



更多相关文章阅读

一文全面了解 Redis 和 Memcached 的区别

用 Python 开发一个企业级的监控平台

用 Python 代码自动抢火车票

携程运维自动化平台,上万服务器变更也可以很轻松

智能运维就是 由 AI 代替运维人员?

看腾讯运维应对“18岁照片全民怀旧”事件的方案,你一定不后悔!

运行无间:阿里巴巴运维保障体系的一种最佳实践

芳华永在!一个老运维的20年奋斗史

饿了么异地双活数据库实战

运维版《成都》,听哭了多少人...

阿里万亿交易量级下的秒级监控

IT 运维的救赎——顺丰运维的理想践行



点击阅读原文,进入GOPS2018·深圳站大会官网

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值