Coursera 笔记

Module 02 · Languages of Data Science

Other Languages for Data Science其他数据科学语言

Coursera ↗

欢迎观看“数据科学的其他语言”视频。

观看本视频后，您将能够：

  • 回顾 Java、Scala、C++、JavaScript 和 Julia 等其他语言。
  • 探索每种语言在数据科学中的应用。

概述

在之前的课程中，我们回顾了 Python、R 和 SQL。在本课中，我们将回顾一些在数据科学领域具有引人注目用例的其他语言。

  • Scala、Java、C++ 和 Julia 可能是最具传统性的数据科学语言。
  • 然而，JavaScript、PHP、Go、Ruby、Visual Basic 等许多其他语言也在数据科学社区中找到了自己的位置。

接下来，我们将重点介绍其中一些语言的显著特点。

关键语言及其应用

1. Java

Java 是一种通用的、经过实践检验的面向对象编程语言。它在企业领域得到了广泛采用，旨在实现快速和可扩展性。

  • Java 应用程序被编译成字节码，并在 Java 虚拟机 (JVM) 上运行。

Java 在数据科学中的应用

工具/项目 描述
Weka 用于数据挖掘。
Java-ML 用于机器学习。
Apache MLlib 使机器学习具有可扩展性。
Deeplearning4j 用于深度学习。
Hadoop 用于大数据应用，管理在集群系统中运行的数据处理和存储。

2. Scala

Scala 是一种通用编程语言，支持函数式编程并具有强静态类型系统。

  • 设计初衷： Scala 旨在解决 Java 的缺点。
  • 互操作性： 由于它也在 JVM 上运行，因此可以与 Java 互操作。
  • 命名来源： “Scala”一词结合了 “scalable”（可扩展的）和 “language”（语言）。该语言旨在随用户需求而发展。

Scala 在数据科学中的应用

  • Apache Spark： 这是用 Scala 构建的最流行的数据科学程序。
Spark 组成部分 描述
Spark 一个快速且通用的集群计算系统，提供 API，使并行作业易于编写。它拥有一个支持通用计算图的优化引擎。它被设计成比 Hadoop 更快。
Shark 一个查询引擎。
MLlib 用于机器学习。
GraphX 用于图处理。
Spark Streaming 用于流处理。

3. C++

C++ 是一种通用编程语言。它是 C 编程语言的扩展，也被称为“带类的 C”。

  • 特性： C++ 提高了处理速度，支持系统编程，并提供对软件应用程序更广泛的控制。
  • 应用场景： 许多组织使用 Python 或其他高级语言进行数据分析和探索性任务，但依赖 C++ 来开发向客户实时馈送数据的程序。

C++ 在数据科学中的应用

  • TensorFlow： 一个流行的用于数据流的深度学习库，它是用 C++ 构建的。虽然 C++ 是它的基础，但它运行在一个 Python 接口上，因此用户不需要 C++ 知识即可运行它。
  • MongoDB： 一个用于大数据管理的 NoSQL 数据库，它是用 C++ 构建的。
  • Caffe： 一个用 C++ 构建的深度学习算法库，带有 Python 和 Matlab 绑定。

4. JavaScript

JavaScript 是万维网的核心技术，是一种通用语言。随着 Node.js 和其他服务器端方法的创建，它的应用范围扩展到了浏览器之外。

⚠️ 重要提示： JavaScript 与 Java 语言无关。

JavaScript 在数据科学中的应用

  • TensorFlow.js： 毫无疑问，这是最流行的实现。它使得在 Node.js 以及浏览器中进行机器学习和深度学习成为可能。
    • TensorFlow.js 还被其他开源库采用，包括 brain.js 和 machinelearn.js。
  • R-js： 另一种 JavaScript 在数据科学中的实现。该项目已将 R 语言中的线性代数规范重写为 TypeScript。
    • 这为未来实现更强大的数学基础框架（如 Python 的 Numpy 和 SciPy）奠定了基础。
    • （TypeScript 是 JavaScript 的超集。）

5. Julia

Julia 是在 麻省理工学院 (MIT) 设计的，用于高性能数值分析和计算科学。

  • 性能优势： Julia 提供了像 Python 或 R 一样的快速开发，同时生成的程序运行速度可与 C 或 Fortran 程序媲美。
  • 编译机制： 它是编译型的，这意味着 Julia 代码作为可执行代码直接在处理器上执行。
  • 互操作性： 它可以调用 C、Go、Java、MATLAB、R、Fortran 和 Python 库，并具有完善的并行性。
  • 潜力巨大： Julia 语言本身只有 8 年历史（写于 2012 年），但对其未来在数据科学行业的影响力寄予厚望。

Julia 在数据科学中的应用

  • JuliaDB： Julia 在数据科学中的一个出色应用，这是一个用于处理大型持久数据集的软件包。

知识点总结

在本视频中，您了解到：

  • 用 Java 构建的数据科学工具包括 Weka、Java-ML、Apache MLlib 和 Deeplearning4j。
  • 用 Scala 构建的流行数据科学程序是 Apache Spark，它包括 Shark、MLlib、GraphX 和 Spark Streaming。
  • 用 C++ 构建的数据科学程序包括 TensorFlow、MongoDB 和 Caffe。
  • 用 JavaScript 构建的数据科学程序包括 TensorFlow.js 和 R-js。
  • 用 Julia 构建的一个出色数据科学应用是 JuliaDB。