对于机器学习，到底该选择哪种编程语言

开发者到底应该学习哪种编程语言才能获得机器学习或数据科学这类工作呢？这是一个非常重要的问题。我们在许多论坛上都有讨论过。现在，我可以提供我自己的答案并解释原因，但我们先看一些数据。毕竟，这是机器学习者和数据科学家应该做的事情：看数据，而不是看观点。

让我们看一些数据。我将在Indeed.com上使用趋势搜索。它可以根据时间搜寻实际工作机会中特定的条款。这表明了雇主们正在寻找拥有该技能的人才。然而，请注意，这并不是一项有效使用技能的民意调查。这种指标更能体现技能的受欢迎程度。

话不多说，上数据。我搜索了与“机器学习”和“数据科学”一起使用的技能，搜索选项包括编程语言Java、C、C+++和JavaScript。然后还包括了Python和R，因为我们知道它在机器学习和数据科学方面很受欢迎，当然还有Scala，考虑到它与Spark的关系，再加上Julia，一些开发中认为这是“the next big thing”。运行这个查询，我们得到的数据如下:

当我们关注机器学习时，我们得到了类似的数据:

我们能从这些数据中得到什么启示呢?

首先，我们看到并不是一招通吃。在这种情况下，各种机器学习编程语言都很受欢迎。

其次，所有这些编程语言都在急剧增长，反映出在过去几年里，企业对机器学习和数据科学的关注和需求正在急速增加。

第三，Python很明显的领导者，其次是Java，然后是R，再然后是C++。Python对Java的领先优势正在增加，而Java在R上的领先地位正在下降。必须承认，我很惊讶地看到Java名列第二;我本来是以为是R语言。

第四，Scala的增长令人印象深刻。它在三年前几乎是不存在的，现在和这些成熟的编程语言几乎在同一个层面。当我们切换到Indeed.com上的数据的相对视图时，这更容易发现。

第五，Julia的受欢迎程度虽然不明显，但肯定有上升的趋势。Julia将成为一种流行机器学习和数据科学编程语言吗？未来会告诉你。

如果我们忽略Scala和Julia，以便能够聚焦其他编程语言的增长，那么我们毫无疑问可以确认：Python和R的增长速度要快于通用语言。

考虑到增长率的差异，R的受欢迎程度可能很快就会超过Java。

当我们专注于深度学习这个问题时，数据是完全不同的: