[[330367]]

【51CTO.com快譯】Java是當今最流行的編程語言之一，這是一種與平臺無關、實用且穩健的語言。全世界的開發人員使用Java來構建應用程序、Web工具和軟件開發平臺。Java在機器學習和數據科學領域也大有用處。

如果您是數據科學家，可能更常使用Python和R而非Java。據最近的一項調查顯示，數據科學領域只有21%的人使用Java，遠低于Python(83%)或SQL(44%)。大多數人使用Python沖著其REPL功能和快速的算法試驗。同時，開發人員將R用于數據可視化和表示。

但作為一名數據科學家，您應該知道如何使用Java，因為它提供了創建業務應用程序的其他許多服務。如上所述，Java在機器學習和人工智能領域有諸多用途。優步、Spotify和愛彼迎等許多大公司都基于Java。像BairesDev這樣的軟件開發公司使用Java來構建和維護關鍵業務應用程序。

數據科學家應學習Java，原因多多。最重要的原因包括如下：

1. Java有許多出色的數據科學框架

這些框架為開發人員提供了基本功能，并幫助他們節省時間和資金。典型的流行機器學習框架包括：

• Deeplearning4J——這種面向Java的開源深度學習工具包用于部署神經網絡。它可以與Hadoop和Spark集成。
• ND4J——代表面向Java的N個維數組對象。它是用于科學計算、信號處理和線性代數的工具包。它擁有numpy和MATLAB之類的內置庫。
• Apache Mahout——這是一種可擴展的分布式代數框架。它有助于分類、聚類和推薦。

Java也有許多用于數據處理的框架，包括：

• Hadoop——該框架使用MapReduce算法將數據存儲在分布式文件系統中。
• Kafka——它使用基于TCP的協議用于消息集抽象，對消息進行自然分組，以形成線性寫入。

2. Java易于理解

大多數開發人員對于使用Java編程很有信心。除了擁有廣泛的用戶基礎外，Java還是市場上最吃香的技能之一，許多公司通常將Java用于所有可快速執行的項目。Java還是一種傳統語言，用于全球許多知名的應用系統和公司。

3. Java有出色的擴展功能

大多數開發人員使用Java創建以后可根據業務需求來擴展的應用程序。如果貴公司正從頭開始構建應用程序，Java是絕佳的選擇，因為Java提供了擴展功能以及負載均衡選項。

作為一名數據科學家，您會發現使用Java構建復雜的應用程序并對其進行擴展很容易;比如說，ApacheSpark是可用于擴展的分析工具，它還可以用于構建多線程應用程序。

4. Java有獨特的語法

Java的獨特語法因易于理解而在全世界得到接受。該語法使開發人員可以了解約定、變量需求和編碼方法。Java是強類型——即每種數據類型已經在該語言的結構中被預定義，所有變量必須是某種數據類型的一部分。

大多數大公司為其代碼存儲庫保留標準語法。這么做確保所有開發人員按照生產級代碼庫的約定來編程。Java通過自動維護可以遵循的標準約定來幫助他們。

5. Java速度快

大多數數據科學家將Python用于數據科學應用領域。您會驚訝地發現Java比Python快25倍。另外，如果您在尋找可以在任何時間進行多次計算的應用，Java勝過Python。

不僅處理速度快，Java與其他許多語言相比開發產品所需的時間也更短。它可以使用針對特定業務的工具進行開發，有大量的IDE和成熟功能來創建大型業務應用程序。

6. Java和OLTP系統

聯機事務處理系統(OLTP)以及數據倉庫通常使用大型機系統進行批處理。與其他語言相比，Java與這種架構的聯系更為自然。您可以將Java與COBOL和中間件軟件集成起來。

您還可以將Java與OLTP標準和架構結合起來。如果公司希望致力于開發對采用事務處理設計的大型系統執行數據分析的應用，Java就非常適合。

結論

Java是一種面向對象的、通用的、獨特的語言，提供了大量功能。其出色的性能和速度使其成為市場上最受歡迎的技能之一。它還提供安全功能、以網絡為中心的編程以及與平臺無關等優點。

Java為數據科學家提供了許多數據科學功能，比如數據分析、數據處理、統計分析，數據可視化和NLP。Java有助于將機器學習算法運用于實際應用場景。它使您可以基于批處理和流處理技術，構建自適應預測模型。連同REPL和lambda表達式，它簡化了構建大型應用程序的工作。

如果您在考慮將Java應用于數據科學項目，那就用它吧。對于數據科學家和數據工程師而言，這是一種很出色的語言。

原文標題：Top 6 Reasons Data Scientists Should Know Java ，作者：Malcom Ridgers

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】