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)和機器學(xué)習(xí)工具調(diào)查結(jié)果。超過 2000 人對自己「過去 12 個月內(nèi)在項目開發(fā)中使用過的數(shù)據(jù)挖掘/機器學(xué)習(xí)工具和編程語言」進行了投票。該統(tǒng)計還對過去三年來的排名進行了對比分析。

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 作為機器學(xué)習(xí)常用的編程語言正在不斷擴大領(lǐng)先優(yōu)勢，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，Hadoop 衰落，數(shù)據(jù)科學(xué)平臺整合等等。

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，可能是因為僅有一個供應(yīng)商 RapidMiner 積極地參與 KDnuggests 調(diào)查的投票。平均來說，每個參與者選擇 7 個使用過的不同工具，因此僅投票一個工具會帶來偏差。KDnuggets 排除了大約 260 個這樣的「獨好」投票（主要來自 RapidMiner），因為即使他們代表了該工具的合法用戶，他們的行為也是非典型的，并且會歪曲結(jié)果。

以下是基于 2052 個參與者的初始結(jié)果分析，其中「獨好」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，以及它們相對于 2016-2017 年的排名變化。（為了更有效的比較，KDnuggests 排除了「獨好」投票者并重新計算了 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到了 10% 或更多。

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

和 2017 年的軟件調(diào)查相比，進入前 11 名的新工具是 Keras。Knime 從第 11 名下跌，可能是因為今年他們并沒有積極調(diào)動其用戶參與投票。

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)平臺正快速傳播，它的用戶使用率由 2017 年的 33% 增長到了今年的 52.7%。根據(jù) RapidMiner 的創(chuàng)始人和董事長 Ingo Mierswa，他們采取了一些措施鼓勵用戶參與該調(diào)查。

對于 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)?！?/p>

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，它在很長一段時間里都會很有用！

趨勢

該調(diào)查唯一使用率超過 2% 的新工具是 Spark SQL，使用率達到 11.7%。下表列舉了使用率增幅達到 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)／機器學(xué)習(xí)工具。

整合

2017 年使用率達到 2% 及以上的 56 個工具中，有 19 個（僅 1/3）工具在 2018 年使用率有所上升，其余 37 個均下降。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)平臺的整合正在進行過程中。

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 API。

另一方面，主要由 Facebook 推動，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器學(xué)習(xí)算法。我們可能更希望了解機器學(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常用的深度學(xué)習(xí)框架進行投票。

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 大致處于同一個級別。自 KDnuggets 開始做這項調(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。

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/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/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

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）：