你知道数据科学家常用的利器有哪些吗?

工具/产品/解决方案是数据科学家洞察数据的利器。KDNuggets网站对此观点进行了年度调查,来分析数据科学家在用哪些类型的工具。下面大圣众包小编整理了对大数据从业的你可能会有些帮助的工具!

数据科学常用的工具有哪些?

大数据生态(Hadoop、Spark)和开源项目:

Hadoop,HBase,Hive,Mahout,MLlib,OtherHadoop/HDFSbasedtools,Pig,Scala,Spark,SQLonHadooptools

微软数据科学家工具:

MicrosoftAzureML,MicrosoftPowerBI,MicrosoftSQLServer,RevolutionAnalytics

基于Python的机器学习:

Dataiku,H2O(0xdata),Python,scikit-learn,Theano,Vowpal Wabbit

SAS公司产品:

JMP,SAS Base,SAS Enterprise Miner

MATLAB、R语言等统计工具:

GnuOctave,MATLAB,Orange,R,Rapid Miner,Rattle,Weka

IBM公司产品:

IBM Cognos,IBM SPSSModeler,IBM SPSSStatistics,IBM WatsonAnalytics

Linux工具和SQLang:

Actian,C/C++,Perl,SQLang,Unixshell/awk/gawk

深度学习:

Caffe,Pylearn2

商务智能软件:

PentahoandQlikView

数据分析平台:

Datameer and Zementis

Excel和Word统计工具:

XLSTAT for Excel

其它:

OtherDeep Learningtools,Other free analytics/data mining tools,Other Hadoop/HDF based tools,Other paid analytics/datamining/datascience software,Other programming languages

数据可视化:

C4.5/C5.0/See5,Miner3D,OracleDataMiner

    数据科学家在选择大数据、数据挖掘和数据分析工具时,更倾向于有一定生态基础的工具,这样各个工具间可以相互支持。

    为了提高在大数据项目中成功的机会,选择正确的工具是非常重要的。没有一个孤立的工具能够做所有的数据分析,职业的数据专家趋向于使用不止一种相关的工具(分析中发现,数据专家平均使用5种数据分析工具)。你可以根据使用相关工具的数据专家来决定自己的选择。

    另外一个观点是,要选择大厂的产品,比如,IBM、微软和SAS,大品牌的产品更丰富,可以使得你的产品更容易扩展。


阅读更多
个人分类: IT
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

你知道数据科学家常用的利器有哪些吗?

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭