数据科学家需要学习Java的10个理由

数据科学，机器学习和人工智能今天吸引了大笔资金。 许多大小的组织都在研究和人员方面投入了数百万美元，以构建功能强大的数据驱动的应用程序。

长期以来，Python和R一直是这两种在数据科学领域中占有统治地位的语言，但这并不是说它们是值得用于数据科学的唯一语言。 您会很高兴知道，有很多理由将Java用于数据科学项目。 这是Java成为进行数据科学的杰出语言的十个原因：

还请参见： 我们是否弥合了数据科学与DevOps之间的鸿沟？

1. 1. 老是黄金： Java是用于企业开发的最古老的语言之一，您工作的组织很可能也有很大一部分基于Java的基础架构。 为此，您可能想使用R或Python进行原型设计，然后将模型重写为Java。
   2. 头等公民： Spark，Flink，Hive，Spark和Hadoop等大多数流行的大数据框架/工具都是用Java编写的。 与不熟悉Java和堆栈的Java开发人员相比，更容易找到适合Hadoop和Hive的Java开发人员。
   3. 强大的工具集： Java拥有大量用于机器学习和数据科学的库和工具。 它们中的一些，例如Weka，Java-ML，MLlib和Deeplearning4j，可以解决您的大多数ML或数据科学问题。
   4. Lambdas和REPL：随着Java 8的到来，Lambdas纠正了Java的大部分冗长性，因此减轻了开发大型企业/数据科学项目的痛苦。 另一方面，Java 9引入了广为人知的REPL，它促进了迭代开发。
   5. Java虚拟机： JVM是最好的平台之一，使您可以编写在多个平台上相同的代码。 JVM使开发人员可以快速创建自定义工具。 此外，Java有大量的IDE，可以提高开发人员的生产力。
   6. Java是强类型的：不要与静态类型混淆，强类型在处理大型数据应用程序时会有所帮助，并且类型安全是值得拥有的功能。 Java确保程序员对他们处理的数据类型和变量明确。 这样可以更轻松地维护代码库，并且可以安全地避免为应用程序编写琐碎的单元测试。
   7. JVM具有Scala：尽管这是下一步，但值得学习Scala进行一些繁重的数据科学，如果您已经知道如何用Java编写代码，它将变得更加容易。 Scala为数据科学提供了惊人的支持，并且在Scala之上构建了一些强大的框架，如Spark。
   8. 工作现场： 如果将SQL排除在外，Java无疑是工作领域的赢家。 如果您将Java作为自己的技能之一，那么您很可能会被某个组织所接受。
   9. 可伸缩性： Java在扩展应用程序方面非常出色。 当您考虑构建更大，更复杂的ML / AI应用程序时，这是一个绝佳的选择。 如果您是从头开始构建应用程序，最好选择Java作为编程语言。
   10. Java是快速的：与其他一些用于数据科学的广泛使用的语言不同，Java是快速的。 速度对于构建大型应用程序至关重要，而Java非常适合此。 像Twitter，Facebook和LinkedIn这样的跨国公司都依靠Java来进行数据工程。

您可以从Packt节省75％的Java Data Science Cookbook 。 在结帐时使用代码ORSCU75或单击此处将电子书添加到您的购物车，并立即享受折扣。
如果您是数据科学家，机器学习或深度学习工程师，请继续尝试Java，我们相信它不会让您失望。

以下是Packt提供的一些入门指南：

1. • Richard M. Reese和Jennifer L. Reese的 Java for Data Science
   • 掌握Java for Data Science ，作者Alexey Grigorev
   • Rushdi Shams撰写的 Java Data Science Cookbook
   • Uday Kamath博士和Krishna Choppella博士 精通Java机器学习

翻译自: https://jaxenter.com/data-scientists-need-to-learn-java-139449.html