Ar duomenų mokslininkai turėtų išmokti „JavaScript“?

Privalumai ir trūkumai, kai duomenų mokslui naudojama žiniatinklio kalba Nr. 1

Jei pastaraisiais metais stebėjote technologijų peizažą, tikriausiai pastebėjote bent du dalykus.

Pirmiausia, galbūt pastebėjote, kad „JavaScript“ šiais laikais yra labai populiari kalba. Nuo tada, kai „Node.js“ leido „JavaScript“ kūrėjams rašyti serverio kodą, jis vis labiau populiarėja.

Visai neseniai tokios sistemos kaip „Electron“, „Cordova“ ir „React-Native“ leido „JavaScript“ kūrėjams kurti vietines programas įvairiausiose platformose.

Jūs tikriausiai taip pat pastebėjote, kad duomenų mokslo, ypač mašininio mokymosi, srityje yra daug jaudulio. Naujausi teorijos ir technologijų laimėjimai padarė šią kadaise ezoterinę sritį kūrėjams kur kas prieinamesnę.

Tada galite paklausti, ar jie sukuria natūralų poravimą? Ar duomenų mokslininkai turėtų apsvarstyti galimybę išmokti „JavaScript“?

Dauguma duomenų mokslininkų dirba su tam tikru Python, R ir SQL deriniu. Jei esate naujokas šioje srityje, pirmiausia turite išmokti šias kalbas .

Duomenų mokslininkai taip pat gali specializuotis kitoje kalboje, pavyzdžiui, „Scala“ ar „Java“. Yra daugybė priežasčių, kodėl šios kalbos yra tokios populiarios.

Tačiau palyginti nedaug duomenų mokslininkų specializuojasi „JavaScript“ srityje.

Tačiau, atsižvelgiant į „JavaScript“ visuotinumą ir populiarumą duomenų mokslo srityje, kiek duomenų mokslininkams galėtų būti naudinga išmokti net kalbos pagrindų? O kaip su „JavaScript“ kūrėjais, norinčiais patyrinėti duomenų mokslą?

Pradėkime nuo kai kurių svarbių prieštaravimų nagrinėjimo, tada peržiūrėkime keletą argumentų „už“.

Prieš

  • Funkcionalumas - „JavaScript“ tiesiog neturi duomenų mokslo paketų ir integruotų funkcijų, palyginti su tokiomis kalbomis kaip R ir Python. Jei neprieštaraujate išradinėti dviračio, tai gali būti mažiau problema. Bet jei jums reikia atlikti sudėtingesnę analizę, gana greitai pritrūksite galimybių.
  • Produktyvumas . Kitas „Python“ ir „R“ ekosistemų privalumas yra tai, kad yra daugybė vadovų ir instrukcijų, atliekamų beveik bet kuriai duomenų mokslo užduočiai, kurią norite atlikti. Kalbant apie „JavaScript“, taip nėra. Jūs tikriausiai užtruksite daugiau laiko, kaip išspręsti duomenų mokslo problemą „JavaScript“, nei tai padarytumėte „Python“ ar „R“.
  • Daugialypis gijimas - dažnai naudinga lygiagrečiai apdoroti didelius duomenų rinkinius arba vykdyti simuliacijas. Tačiau „Node.js“ nėra tinkamas atlikti skaičiavimo intensyvias, su procesoriumi susijusias užduotis. Atliekant tokias užduotis, tokios kalbos kaip „Python“, „Java“ ar „Scala“ turi viršenybę JS atžvilgiu. Bet patikrinkite „Microsoft“ Napa.js projektą. Tai teikia daugiasluoksnį „JavaScript“ vykdymo laiką, kuris gali papildyti „Node.js“.
  • Galimybių kaina - galbūt pagrindinė priežastis, kodėl duomenų mokslininkai yra linkę neišmokti daugybės kalbų, išskyrus „Python“ ir „R“, yra dėl „alternatyvių išlaidų“. Kiekviena valanda, praleista mokantis kitos kalbos, yra valanda, kurią galima investuoti mokantis naujos „Python“ sistemos ar kitos „R“ bibliotekos. Nors šios kalbos dominuoja duomenų mokslo darbo rinkoje, yra daugiau paskatų jas išmokti. Kadangi duomenų mokslas yra tokia sparčiai besikeičianti sritis, visada reikia išmokti ką nors naujo.

Dėl

  • Vizualizacija - „JavaScript“ puikiai veikia duomenų vizualizavimo srityje. Bibliotekos, tokios kaip D3.js, Chart.js, Plotly.js ir daugelis kitų, leidžia lengvai sukurti galingą duomenų vizualizaciją ir informacijos suvestines. Peržiūrėkite puikius D3 pavyzdžius!
  • Produktų integravimas - vis daugiau ir daugiau įmonių naudoja žiniatinklio technologijas su „Node“ pagrindu sukurtu šūsniu kurdami savo pagrindinį produktą ar paslaugą. Jei dėl jūsų, kaip duomenų mokslininko, vaidmens reikia glaudžiai bendradarbiauti su produktų kūrėjais, nepakenks „kalbėti“ ta pačia kalba.
  • ETL - duomenų apdorojimo vamzdynai paprastai įgyvendinami bendra kalba, pvz., „Python“, „Scala“ ar „Java“. „JavaScript“ dažnai nepastebima. Tačiau tai gali būti nesąžininga. Mazgo failų sistemos modulis „fs“ suteikia puikią API, leidžiančią sinchroniškai arba asinchroniškai iškviesti standartines failų sistemos operacijas. „Node“ taip pat puikiai žaidžia kartu su „MongoDB“ ir daugeliu kitų populiarių duomenų bazių sistemų. „Streams“ API leidžia labai lengvai dirbti su didelių duomenų srautais - tai dar vienas galimas ETL pranašumas. Kaip minėta aukščiau, apie daugialypį ir lygiagrečią apdorojimą žr. „Microsoft“ Napa.js projektą.
  • Tensorflow.js - kas sako, kad JS negali atlikti šaunių mašininio mokymosi dalykų? Anksčiau, 2018 m., „Tensorflow.js“ buvo išleistas. Tai suteikia mašininio mokymosi „JavaScript“ kūrėjams - tiek naršyklėje, tiek serveryje. „Tensorflow“ yra populiari mašininio mokymosi biblioteka, kurią sukūrė „Google“ ir kuri 2015 m. Buvo sukurta kaip atvirasis šaltinis. Gestų atpažinimas, objektų atpažinimas, muzikos kompozicija ... jūs tai pavadinate, tikriausiai galite turėti. Geriausia, ką galite padaryti dabar - pažvelgti į kai kurias demonstracines versijas.

Išvada

Taigi, ar duomenų mokslininkai turėtų išmokti „JavaScript“?

„JavaScript“ išmokimas nepakenks jūsų atnaujinimui. Tačiau neišmokite jo kaip pakaitalo kitoms kalboms.

Kaip pirmąją kalbą, geriausias patarimas yra išmokti vieną iš „Python“ arba „R“. Taip pat turėtumėte būti patogus naudoti kai kurias duomenų bazių kalbas, tokias kaip SQL ar MongoDB.

Tačiau susipažinę su pagrindais, galbūt norėsite specializuotis toliau. Galbūt norite išmokti „Apache Spark“ dirbti su didžiuliais, platinamais duomenų rinkiniais. O gal norėtumėte išmokti kitą kalbą, pvz., „Scala“, „MATLAB“ ar „Julia“.

Kodėl nepagalvojus apie „JavaScript“? Tai bus naudinga, jei norite specializuotis duomenų vizualizavimo srityje arba jei jūsų vaidmuo reikalauja glaudaus bendradarbiavimo su produktu, sukurtu naudojant „JavaScript“ ar susijusią technologiją.

„JavaScript“ mašininio mokymosi galimybės sparčiai tobulėja. Kai kuriais naudojimo atvejais tai galbūt jau yra stipri alternatyva įprastoms duomenų mokslo kalboms.

Galiausiai sprendimas yra praktiškas ir asmeniškas. Tai priklauso nuo to, kurie duomenų mokslo aspektai jums įdomiausi ir kokios karjeros galimybės jus labiausiai jaudina.

Tačiau esant dabartinėms tendencijoms, vienas dalykas yra tikras. Per ateinančius metus „JavaScript“ atvers daugiau durų nei uždarys.