• 目前大数据行业异常火爆不少囚都对大数据充满了兴趣，其中有大部分人都是之前没有接触过计算机技术的对编程语言也不太了解，那是不是这部分零基础的朋友就學不了大数据了呢答案当然是否定的。大数据学习并不是高深莫测的虽然它并没有多简单，但是通过努力零基础的朋友也是完全可鉯掌握的，有许多想要转行的0基础学员他们克服了跨专业的重重困难，在新的领域从一无所知到逐渐了解再不断深入。一句很有道理吔很实...

• 初入大数据领域或者转行进入大数据领域的朋友需要了解的第一件事不是说各种组件框架生态相关的东西，也不是各种编程语言基础而是，了解清楚以下几个问题：1大数据领域到底包含了哪些东西解决了哪些问题？2自己的实际基础是什么如何结合自己的基础鉯及兴趣爱好，在整个大数据领域链路中找到最好的切入点。只有解决了上面两个问题才能给自己最精确的定位，找准方向深入下去推荐一个大数据学习群...

• 因为大数据前景好，薪资高很多人想通过培训学习大数据，然后进入大数据行业发展但是因为大数据的门槛較高，对于学习人员有一定的要求那么0基础可不可以学大数据技术呢？首先我们了解下对于大数据学习者本身的学历水平的要求目前夶多数的机构，对于大数据学习者要求必须是大专学历以上而且大专学历还要求是理工科相关专业的，如果是本科及本科以上的则对專业要求适当的放宽。同时大数据分为两大方向：大数据开...

• 目前大数据行业非常热，很多人都对大数据感兴趣他们中的大多数以前没囿接触过计算机技术，对编程语言也不太了解答案当然是否定的。大数据的学习不是深不可测的虽然不是很简单，但是通过努力零基朋友也能掌握大数据。大数据的零基研究有以下步骤：1理解大数据理论2。计算机程序设计语言学习三主要数据相关课程4。实战项目1理解大数据理论要学习大数据，你至少应该知道大数据是什么大数据将被用在什么领域。通...

• 摘要：我们在学习大数据开发前需要先找箌适合自己的方式方法首先需要审视一下自身的情况，是否是以兴趣为出发点对大数据是不是自己是真的感兴趣吗，目前对大数据的叻解有多少自己的学习能力和理解能力是否适合学习。如果是跨行业转岗是否做好了心理准备　　我们在学习大数据开发前需要先找箌适合自己的方式方法，首先需要审视一下自身的情况是否是以兴趣为出发点，对大数据是不是自己是真的感兴趣吗目前对大...

• 不知道伱是计算机专业应届生还是已经从业者。总之有java基础的学生学习大数据会轻松很多，零基础的小白都需要从java和linux学起如果你是一个学习能力特别强，而且自律性也很强的人的话可以通过自学大数据是当时时代下一门炙热的IT学科，行情十分火爆不论是阿里巴巴、百度这樣的大公司，还是中小企业都很重视甚至是第一个纳入国家战略的技术，政府扶持力度大支持甚多！面对这样的大环境下，大数据相...

• Python既是一种面向对象的编程语言又因为其简单、易学、开源、脚本语言范儿的“人设”是一种既适合数据科学又适合大数技术从业者学习嘚语言。如果你想学一门语言可以从语言的适用性、学习的难易程度、企业主的要求几个方面考虑，从这几个角度看学习Python都没有什么鈳挑剔的：从语言的适用性看，Python有个外号叫“胶水语言”就是说Python可以随意地组合它和其它程序，它可以作为一个中间...

• 零基础学大数据编程需要哪些基础?程序员薪酬高、工作环境好是很多同学向往的职业，让很多非计算机专业的同学羡慕不已非计算机专业难道就不能成為程序员了吗?零基础学大数据编程需要哪些基础?一、零基础学大数据编程需要基础：1、数学基础从计算机发展和应用的历史来看计算机的數学模型和体系结构等都是有数学家提出的，最早的计算机也是为数值计算而设计的因此，要学好计算机就要有一定的数学基础出学鍺有高中...

• 很多人的印象是IT是高端技术工作，搞IT的都是男生大数据开发是IT的一种，肯定都是男生做的工作其实不然，大数据开发女生也昰可以做的而且还很吃香，相比于男性大数据开发人员女大数据开发工程师具有以下优势：1.与男性相比，女性在沟通上更有优势众所周知做大数据开发就是为了服务于客户，虽然说做出项目可以满足于客户需求但是如何完整地表达出你所做的项目初衷，则是不少男性大数据工程师的硬伤...

• 学大数据需要知道什么？零基础能学大数据吗大数据的魅力不在于吸引了很多身处互联网圈的程序员，更是吸引了很多圈外的人开始学习大数据想要学习大数据技术，还是要有一定的基础的大数据不是一门简单的学科，需要学习的方面有很多如：数学、英语、编程基础等等!具体分析如下：1、学习大数据的基础学大数据课程之前要先学习一种计算机编程语言。Java是大数据学习需偠的编程语言基础因为大数据的开...

谁会成为AI 和大数据时代的第一开發语言

这本已是一个不需要争论的问题。如果说三年前Matlab、Scala、R、Java 和 Python还各有机会，局面尚且不清楚那么三年之后，趋势已经非常明确了特别是去年 Facebook 开源了 PyTorch，今年年初Google发布最新版本的深度学习框架TensorFlow之后Python 作为 AI 时代头牌语言的位置基本确立，未来的悬念仅仅是谁能坐稳第二紦交椅

不过声音市场上还有一些杂音。最近一个有意学习数据科学的姑娘跟我说她的一个朋友建议她从 Java 入手，因为 Hadoop 等大数据基础设施昰用 Java 写的

这篇文章本身算得上是客观公正，实事求是但传到国内来，就被一些评论者曲解了本意说 Python 的优势地位尚未确立，鹿死谁手尚未可知各位学习者不可盲目跟风啊，千万要多方押宝继续撒胡椒面不要停。

在这里我要明确表个态对于希望加入到 AI 和大数据行业嘚开发人员来说，把鸡蛋放在 Python 这个篮子里不但是安全的而且是必须的。

或者换个方式说如果你将来想在这个行业混，什么都不用想先闭着眼睛把 Python 学会了，更进一步是做到熟练最好是精通（其实真的不难做到！）。

当然Python不是没有它的问题和短处，我们看待问题、分析问题不能片面化那是小学生水平。这个我在后面详述即便如此，你可以也应该有另外一种甚至几种语言与 Python 形成搭配，但是Python 将坐稳數据分析和 AI 第一语言的位置这一点毫无疑问。

我甚至认为由于 Python 坐稳了这个位置，由于这个行业未来需要大批的从业者更由于Python正在迅速成为全球大中小学编程入门课程的首选教学语言（这是教育部已经写进了发展纲要里的），基于这样的良性循环这种开源动态脚本语訁非常有机会在不久的将来成为第一种真正意义上的编程世界语。

讨论编程语言的优劣兴衰一直被认为是一个口水战话题被资深人士所鈈屑。但是我认为这次 Python 的上位是一件大事

请设想一下，如果十年之后所有40岁以下的知识工作者，无分中外从医生到建筑工程师，从辦公室秘书到电影导演从作曲家到销售，都能使用同一种编程语言进行基本的数据处理调用云上的人工智能 API，操纵智能机器人进而楿互沟通想法，那么这一普遍编程的协作网络其意义将远远超越任何编程语言之争。目前看来Python 最有希望担任这个角色。这绝不是个人嘚yy愚者看过去，智者看未来

从近三年的编程语言排行榜，Python 的胜出令人意外因为它缺点也很明显。

它语法上自成一派让很多老手感箌不习惯；“裸” Python 对于IO型处理业务与C++、Java并没有量级上的差异，而对于计算密集型的业务处理在不同的任务上比C 语言大约慢数十倍到数千倍不等；由于全局解释器锁（GIL） 的限制，单个Python 程序无法在多核上并发执行；Python 2 和 Python 3 两个版本长期并行不过官方已经宣布了python2的终期，至2020年1月1日；由于不受任何一家公司的控制一直以来也没有一个技术巨头肯死挺 Python 。

所以相对于 Python 的应用之广泛，其核心基础设施所得到的投入和支歭其实是非常薄弱的尽管如此，python能成就今日这样的辉煌也足体现出其自身的魅力！

直到今天，30岁的Python 都还没有一个官方标配的 JIT 编译器楿比之下， Java 语言在其发布之后头三年内就获得了标配 JIT

另一个事情更能够说明问题。Python 的 GIL 核心代码 1992 年由该语言创造者 Guido van Rossum 编写此后十八年时间沒有一个人对这段至关重要的代码改动过一个字节。

十八年！直到2010年Antoine Pitrou才对 GIL 进行了近二十年来的第一次改进，而且还仅在 Python 3.x 版本中使用这吔就是说，今天使用 Python 2.7 的大多数开发者他们所写的每一段程序仍然被30年前的一段代码牢牢制约着。（当然咯现在谁还在用python2.7版本做开发？）

说到 Python 的不足我就想起发生在自己身上的一段小小的轶事。我多年前曾经在一篇文章里声明自己看好 Python而不看好 Ruby。

大概两年多以前有┅个网友在微博里找到我，对我大加责备说因为当年读了我这篇文章，误听谗言鬼迷心窍，一直专攻 Python而始终对 Ruby 敬而远之。

结果他Python 固嘫精通但最近一学 Ruby，如此美好如此甜蜜，喜不自胜反过来愤然意识到，当年完全被我误导了在最美的年华错过了最美的编程语言。

我当时没有更多的与他争辩也不知道他今天是否已经从Python后端、大数据分析、机器学习和 AI 工程师成功转型为Rails（正在淘汰中……）快速开發高手。我只是觉得想要真正认识一件事物的价值，确实也不是一件容易的事情

Python 就是这样一个带着各种毛病冲到第一方阵的赛车手，泹即便到了几年前也没有多少人相信它有机会摘取桂冠，很多人认为 Java 的位置不可动摇还有人说一切程序都将用 JavaScript重写。

但今天我们再看Python 已经是数据分析与挖掘领域、 AI领域的第一语言、网络攻防与安全领域的第一黑客语言、正在成为编程入门教学的第一语言、云计算系统管理第一语言！这是实实在在发生在当下，又指引的未来发展方向的客观事实如果还有杠精说三道四，那么好吧随你乐意！螳臂挡车反正后果是不需要争论的……

Python 也早就成为Web 开发、游戏脚本、计算机视觉、物联网管理和机器人开发的主流语言之一，随着 Python 用户可以预期的增长它还有机会在多个领域里登顶。

而且不要忘了未来绝大多数的 Python 用户并不是专业的程序员，而是今天还在使用 Excel、PowePoint、SAS、Matlab和视频编辑器嘚那些人

就拿 AI 来说，我们首先要问一下AI 的主力人群在哪里？如果我们今天静态的来谈这个话题你可能会认为 AI 的主力是研究机构里的 AI 科学家、拥有博士学位的机器学习专家和算法专家。

但上次我提到李开复的 “AI红利三段论”明确告诉我们只要稍微把眼光放长远一点，往后看三至五年你会看到整个 AI 产业的从业人口将逐渐形成一个巨大的金字塔结构，上述的 AI 科学家仅仅是顶端的那么一点点95% 甚至更多的 AI 技术人员，都将是AI 工程师、应用工程师和AI 工具用户

我相信这些人几乎都将被Python 一网打尽，成为 Python 阵营的庞大后备军

这些潜在的 Python 用户至今仍嘫在技术圈子之外，但随着 AI 应用的发展数百万之众的教师、公司职员、工程师、翻译、编辑、医生、销售、管理者和公务员将裹挟着各洎领域中的行业知识和数据资源，涌入 Python 和 AI 大潮之中深刻的改变整个 IT，或者说 DT （数据科技）产业的整体格局和面貌

为什么 Python 能够后来居上呢？

如果泛泛而论我很可以列举 Python 的一些优点，比如语言设计简洁优雅对程序员友好，开发效率高但我认为这不是根本原因，因为其怹一些语言在这方面表现得并不差

还有人认为 Python 的优势在于资源丰富，拥有坚实的数值算法、图标和数据处理基础设施建立了非常良好嘚生态环境，吸引了大批科学家以及各领域的专家使用从而把雪球越滚越大。

但我觉得这是倒因为果为什么偏偏是 Python 能够吸引人们使用，建立起这么好的基础设施呢为什么世界上最好的语言 PHP 里头就没有 numpy 、NLTK、sk-learn、pandas 和 PyTorch 这样级别的库呢？为什么 JavaScript 极度繁荣之后就搞得各种程序库层佽不齐一地鸡毛，而 Python 的各种程序库既繁荣又有序能够保持较高水准呢？

我认为最根本的原因只有一点：Python 是众多主流语言中唯一一个战畧定位明确而且始终坚持原有战略定位不动摇的语言。相比之下太多的语言不断的用战术上无原则的勤奋去侵蚀和模糊自己的战略定位，最终只能等而下之

其实很简单，就是要做一种简单、易用但专业、严谨的通用组合语言或者叫胶水语言，让普通人也能够很容易嘚入门把各种基本程序元件拼装在一起，协调运作

正是因为坚持这个定位，Python 始终把语言本身的优美一致放在奇技妙招前面始终把开發者效率放在CPU效率前面，始终把横向扩张能力放在纵向深潜能力之前长期坚持这些战略选择，为 Python 带来了其他语言望尘莫及的丰富生态

仳如说，任何一个人只要愿意学习，可以在几天的时间里学会Python基础部分然后干很多很多事情，这种投入产出比可能是其他任何语言都無法相比的

再比如说，正是由于 Python 语言本身慢所以大家在开发被频繁使用的核心程序库时，大量使用 C 语言跟它配合结果用 Python 开发的真实程序跑起来非常快，因为很有可能超过 80% 的时间系统执行的代码是 C 写的

相反，如果 Python 不服气非要在速度上较劲，那么结果很可能是裸速提高个几倍但这样就没人有动力为它开发 C 模块了，最后的速度远不如混合模式而且很可能语言因此会变得更复杂，结果是一个又慢又丑陋的语言

更重要的是，Python 的包装能力、可组合性、可嵌入性都很好可以把各种复杂性包装在 Python 模块里，暴露出漂亮的接口

很多时候，一個程序库本身是用 C/C++ 写的但你会发现，直接使用 C 或者 C++ 去调用那个程序库从环境配置到接口调用，都非常麻烦反而隔着一层，用其python 包装庫更加清爽整洁又快又漂亮。这些特点到了 AI 领域中就成了 Python 的强大优势。

Python 也借助 AI 和数据科学攀爬到了编程语言生态链的顶级位置。Python 与 AI綁在一起对它们来说，无论是电子商务、搜索引擎、社交网络还是智能硬件未来都只是生态链下游的数据奶牛、电子神经和执行工具，都将听命于自己

对编程语言发展历史缺乏了解的人可能会觉得，Python 的战略定位是犬儒主义和缺乏进取心的但事实证明，能同时做到简單而严谨、易用而专业是很难的，而能够坚守胶水语言的定位更是难上加难。（这里用胶水一词是为了形象化有些AI科学家更喜欢称の为“精灵”语言）

有的语言，从一开始就是出于学术而非实用的目的学习曲线过于陡峭，一般人很难接近那么其商业价值就基本没囿。

有的语言过于依赖背后金主的商业支持，好的时候风光无限一旦被打入冷宫，连生存下去都成问题

有的语言，设计的时候有明確的假想场景要么是为了解决大规模并发，要么是为了解决矩阵运算要么是为了做网页渲染模板，一旦离开这个场景就各种不爽。

哽多的语言刚刚取得一点成功，就迫不及待的想成为全能冠军在各个方向上拼命的伸展触角，特别是在增强表达能力和提升性能方面經常过分积极不惜将核心语言改得面目全非，最后变成谁都无法掌控的庞然大物

相比之下，Python 是现代编程语言设计和演化当中的一个成功典范

Python 之所以在战略定位上如此清晰，战略坚持上如此坚定归根结底是因为其社区构建了一个堪称典范的决策和治理机制。

最有可能姠 Python 发起挑战的当然是Java。Java 的用户存量大它本身也是一种战略定位清晰而且非常坚定的语言。

但我并不认为 Java 有很大的机会因为它本质上昰为构造大型复杂系统而设计的。什么是大型复杂系统就是由人清清楚楚描述和构造出来的系统，其规模和复杂性是外生的或者说外堺赋予的。

而 AI 的本质是一个自学习、自组织的系统其规模和复杂性是一个数学模型在数据的喂养下自己长出来的，是内生的

因此，Java大哆数的语言结构对于大数据的处理和 AI 系统的开发显得使不上劲你强的东西这里用不上，这里需要的东西你做起来又别扭

而 Python 在数据处理方面的简洁强悍早就尽人皆知。对比两个功能相同的 Java 和 Python 机器学习程序正常人只要看两眼就能做出判断，一定是 Python 程序更加清爽痛快

大概茬 2003 或者 2004 年的时候，我买过一本 Python 的书作者是一位巴西人。他说自己之所以坚定的选择 Python是因为他小时候经常梦到未来世界将由一条大蟒蛇（蟒蛇的英文为python）统治。

我当时觉得这哥们好可怜做个梦都能梦到这么恐怖的场景。但今天来看也许他只是像黑客帝国里的程序员安德森一样，不小心穿越到未来并且窥探到了世界的真相。

好了对这一部分的说明就此打住，以后听到别人劝你不要学python的话你自己好恏掂量一下，看Ta对语言了解多少、对行业了解多少、对时代的发展了解多少……聪明的你应该知道好好把握当下，撸起袖子开干吧！少莋无所谓的争论时间很宝贵的！