近日，著名數(shù)據(jù)科學(xué)網(wǎng)站 KDnuggets 發(fā)布了 2018 年數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)工具調(diào)查結(jié)果。超過 2000 人對(duì)自己「過去 12 個(gè)月內(nèi)在項(xiàng)目開發(fā)中使用過的數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)工具和編程語言」進(jìn)行了投票。該統(tǒng)計(jì)還對(duì)過去三年來的排名進(jìn)行了對(duì)比分析。

這份投票結(jié)果既有預(yù)料之內(nèi)，也有預(yù)料之外的部分。數(shù)據(jù)顯示，Python 作為機(jī)器學(xué)習(xí)常用的編程語言正在不斷擴(kuò)大領(lǐng)先優(yōu)勢(shì)，R 語言的使用率***次降到了 50% 以下。在深度學(xué)習(xí)框架上，最近呼聲很高的深度學(xué)習(xí)框架 PyTorch 僅僅占據(jù)了 6.4% 的使用率，遠(yuǎn)遠(yuǎn)落后于 TensorFlow 的 29.9% 和 Keras 的 22.2%。

Python 繼續(xù)侵蝕著 R 的用戶領(lǐng)域，RapidMiner 熱門度增加，SQL 保持穩(wěn)定，TensorFlow 和 Keras ***前進(jìn)，Hadoop 衰落，數(shù)據(jù)科學(xué)平臺(tái)整合等等。

第 19 次年度 KDnuggets 軟件調(diào)查有超過 2300 人參與投票，略微少于 2017 年，可能是因?yàn)閮H有一個(gè)供應(yīng)商 RapidMiner 積極地參與 KDnuggests 調(diào)查的投票。平均來說，每個(gè)參與者選擇 7 個(gè)使用過的不同工具，因此僅投票一個(gè)工具會(huì)帶來偏差。KDnuggets 排除了大約 260 個(gè)這樣的「獨(dú)好」投票(主要來自 RapidMiner)，因?yàn)榧词顾麄兇砹嗽摴ぞ叩暮戏ㄓ脩簦麄兊男袨橐彩欠堑湫偷模⑶視?huì)歪曲結(jié)果。

以下是基于 2052 個(gè)參與者的初始結(jié)果分析，其中「獨(dú)好」投票者已被排除。更多詳細(xì)分析和匿名數(shù)據(jù)將在大約兩周內(nèi)公布。

***的分析、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)工具

圖 1：KDnuggests 分析/數(shù)據(jù)科學(xué) 2018 年軟件調(diào)查：2018 年***工具，以及它們相對(duì)于 2016-2017 年的排名變化。(為了更有效的比較，KDnuggests 排除了「獨(dú)好」投票者并重新計(jì)算了 2016 年、2017 年的調(diào)查結(jié)果。)

上圖顯示了排名前 11 的工具，每個(gè)工具的使用率至少為 20%。

▲表 1：KDnuggests 2018 年軟件調(diào)查***的分析/數(shù)據(jù)科學(xué)/機(jī)器學(xué)習(xí)軟件

在這里，「2018 % share」一欄是指使用該工具的用戶百分比，「% change」是指和 2017 年軟件調(diào)查相比的變化比例，綠色和紅色標(biāo)記表示比例的變化幅度達(dá)到了 10% 或更多。

每個(gè)投票人的平均使用工具數(shù)量是 7 個(gè)，略微高于 2017 年調(diào)查的 6.75 個(gè)(也排除了「獨(dú)好」投票人)。

和 2017 年的軟件調(diào)查相比，進(jìn)入前 11 名的新工具是 Keras。Knime 從第 11 名下跌，可能是因?yàn)榻衲晁麄儾]有積極調(diào)動(dòng)其用戶參與投票。

以下是一些觀察結(jié)果。

Python 正在吞噬 R 的用戶領(lǐng)域

2017 年 Python 的使用率超過 50%，今年它的使用率上升至 66%，而 R 的使用率***下跌，跌破 50%。

RapidMiner

在之前的幾次問卷中，RapidMiner 這一***數(shù)據(jù)科學(xué)平臺(tái)正快速傳播，它的用戶使用率由 2017 年的 33% 增長(zhǎng)到了今年的 52.7%。根據(jù) RapidMiner 的創(chuàng)始人和董事長(zhǎng) Ingo Mierswa，他們采取了一些措施鼓勵(lì)用戶參與該調(diào)查。

對(duì)于 KDnuggets 的問卷調(diào)查，Ingo Mierswa 說：「近兩年我們都向用戶發(fā)送郵件推廣該問卷調(diào)查，但今年有超過 400 多位用戶回郵件表示很高興能幫助 RapidMiner 的傳播。而且今年 RapidMiner 月度活躍用戶增長(zhǎng)率超出去年 300%，因此我們向更多用戶發(fā)送了關(guān)于 KDnuggets 問卷調(diào)查的郵件。我很高興看到如此活躍的社區(qū)。」

SQL 保持穩(wěn)定

作為數(shù)據(jù)管理系統(tǒng)的程序語言，SQL(包括 Spark SQL 和 SQL to Hadoop 工具)繼續(xù)保持著約 40% 的使用率，和之前 3 次調(diào)查結(jié)果一樣。因此，如果你是一位有雄心壯志的數(shù)據(jù)科學(xué)家，學(xué)習(xí) SQL 吧，它在很長(zhǎng)一段時(shí)間里都會(huì)很有用!

趨勢(shì)

該調(diào)查唯一使用率超過 2% 的新工具是 Spark SQL，使用率達(dá)到 11.7%。下表列舉了使用率增幅達(dá)到 20% 及以上、2018 年使用率為 3% 以上的工具。

▲表 2：使用率增幅***的主要分析/數(shù)據(jù)科學(xué)/機(jī)器學(xué)習(xí)工具。

整合

2017 年使用率達(dá)到 2% 及以上的 56 個(gè)工具中，有 19 個(gè)(僅 1/3)工具在 2018 年使用率有所上升，其余 37 個(gè)均下降。這和近期的收購案(Datawatch 收購 Angoss、Minitab 收購 Salford)一道表明數(shù)據(jù)科學(xué)平臺(tái)的整合正在進(jìn)行過程中。

2017 年使用率至少 3% 的工具，今年下降了 25% 甚至更多，詳見下表。

▲表 3：使用率跌幅***的主要分析/數(shù)據(jù)科學(xué)工具。

深度學(xué)習(xí)工具

近兩年，該調(diào)查中使用深度學(xué)習(xí)工具的投票者所占份額保持穩(wěn)定。2018 年有 33% 的投票者使用深度學(xué)習(xí)工具，2017 年和 2016 年分別有 32% 和 18%。谷歌維護(hù)的 TensorFlow 仍然占主導(dǎo)地位，而發(fā)展迅速的 Keras 可作為構(gòu)建在 TensorFlow 和 MXNet 等框架上的高級(jí) API。

另一方面，主要由 Facebook 推動(dòng)，推出已過一年的 PyTorch 吸引了一批研究者和工程人員，使用率達(dá)到 6.4%，排名第三。由于這款深度學(xué)習(xí)框架已和 Caffe2 合并，在未來我們肯定將會(huì)看到 PyTorch 占據(jù)更大的份額。

不過 KDnuggets 更關(guān)注數(shù)據(jù)科學(xué)，也更常使用淺層的機(jī)器學(xué)習(xí)算法。我們可能更希望了解機(jī)器學(xué)習(xí)及深度學(xué)習(xí)社區(qū)在框架上的選擇，因此讀者可以在文末對(duì)常用的深度學(xué)習(xí)框架進(jìn)行投票。

深度學(xué)習(xí)工具排名：

• Tensorflow, 29.9%
• Keras, 22.2%
• PyTorch, 6.4%
• Theano, 4.9%
• Other Deep Learning Tools, 4.9%
• DeepLearning4J, 3.4%
• Microsoft Cognitive Toolkit (Prev. CNTK), 3.0%
• Apache MXnet, 1.5%
• Caffe, 1.5%
• Caffe2, 1.2%
• TFLearn, 1.1%
• Torch, 1.0%
• Lasagne, 0.3%

大數(shù)據(jù)工具：Hadoop 使用率下降

2018 年，大約 33% 的用戶使用大數(shù)據(jù)工具，要么是 Hadoop，要么是 Spark，和 2017 年一樣。但 Hadoop 的使用率顯著下降，跌幅超過 30%。

以下是相關(guān)細(xì)節(jié)：

編程語言

Python 似乎不僅正在取代 R，還包括除了 SQL、Java、C/C++ 之外的大多數(shù)其它語言，這三者與 Python 大致處于同一個(gè)級(jí)別。自 KDnuggets 開始做這項(xiàng)調(diào)查以來，R 使用率***出現(xiàn)下跌。其它語言也出現(xiàn)了衰落的趨勢(shì)。

以下是按熱門度排序的主要編程語言：

• Python, 65.6% (was 59.0% in 2017), 11% up
• R, 48.5% (was 56.6%), 14% down
• SQL, 39.6% (was 39.2%), 1% up
• Java, 15.1% (was 15.5%), 3% down
• Unix, shell/awk/gawk, 9.2% (was 10.8%), 15% down
• Other programming and data languages, 6.9%, (was 7.6%), -9% down
• C/C++, 6.8%, (was 7.1%), 3% down
• Scala, 5.9%, (was 8.3%), 29% down
• Perl, 1.0% (was 1.9%), 46% down
• Julia, 0.7% (was 1.2%), 45% down
• Lisp, 0.3% (was 0.4%), -25% down
• Clojure, 0.2% (was 0.3%), -38% down
• F, # 0.1% (was 0.5%), -73% down

地區(qū)參與度

本次調(diào)查中不同地區(qū)的參與比例是：

• 歐洲，37.5%
• 美國(guó)/加拿大，36.6%
• 亞洲，11.7%
• 拉丁美洲，6.6%
• 非洲/中東，4.5%
• 澳大利亞/新西蘭，3.1%

和 2017 年相比，主要的變化是歐洲的參與比例變高了(之前為 35.5%)，而美國(guó)/加拿大的參與比例變低了(之前為 41.5%)。

完整結(jié)果和 3 年來的趨勢(shì)

以下表格展示了調(diào)查結(jié)果的細(xì)節(jié)(由于篇幅限制，此處僅列出排名前 12 的工具)：