為何我們會想寫這篇文章?
科技發展的速度之快,讓背後的基底-程式語言,也隨之瞬息萬變。今日需求量最高的程式語言,不一定能應付明日興起的新科技;明年誕生的程式語言,也許會讓新一代的工程師更好上手、更易閱讀,而取代了當代排名第一的程式語言。若想成為 IT 界數一數二的頂尖工程師,你必須要掌握當下最熱門的程式語言,不斷的練習直到熟能生巧為止。為了要盤點近期內可能會有那些程式語言被淘汰,達內教育評價小組參考了軟體評價公司 TIOBE 與專注於軟件開發人員行業的分析公司 RedMonk 的排行,還有科技傳媒 Dice 自家的職務公告資料庫。看看你所精通或正在修習的程式語言是否上榜吧!沒有的話,恭喜你;若有的話,也不要覺得白費功夫,只要加緊專攻它的「替代品」就好了!例如你擅長數據分析專門的 R 語言,就加碼學習更易上手的 Python ,而且已經有基礎的你會學得比 Python 初心者更快!一起來一探究竟吧!
1. R 語言-曾是用於數據分析、機器學習的首選語言,自2017年開始漸漸被Python取代
由 S 語言發展而來的 R 語言,比起其他應用於數據科學的程式語言,有更強的物件導向功能。加上再資料分析、資料探勘方面有專業且完整的模組,再矩陣運算、向量運算等常用的功能都有高階的運用,且平台適應性強 (Linux、Windows 都可用)、程式碼。因此曾是用於資料分析的寵兒。
但是同領域的後起之秀 Python,除了擁有上述所列的 R 語言的優點之外,還有更豐富的資料結構,可以實現更精準的資料訪問、記憶體控制,多維陣列(可讀寫、有序)、元組(只讀、有序)、集合(唯一、無序)、字典(Key-Value)等等。
Python 在各方面的表現都有一定水準,無論是對呼叫其他的程式語言、連線並讀取來源資料、對系統的操作、或是正則表達和文書處理,Python 都佔上風。而 R語言則是在統計方面比較突出。
2016 年與 2017 年在數據分析、數據科學和機器學習上,Python、R、兩者共同使用,以及其他平臺的人數對比。
根據專注於「數據分析」領域的網站 KDnuggets 調查顯示,從 2017 年,在數據分析、資料科學和機器學習上使用 Python 的人口開始多過於原本的主流 R 語言。
2. Ruby:最容易上手的程式語言,但市場需求也在下降
赤手可熱的程式語言學習平台 Coding Dojo ,已下架了曾經是前十大受歡迎的程式語言 Ruby 的課程。曾經風靡一時的 Ruby,如今也掉出了 TIOBE 的 Top 10 榜單,並且在 IEEE 榜單中也遭受同樣的遭遇。根據 Dice 的資料,企業對 Ruby 的需求正大幅下降,光是在 2018 年就掉了 56%。
延伸閱讀看這裡:
Python和R語言誰會勝出?又是哪五個程式語言正在消失?-下
蛤?我有IT基礎還不夠?上完Python課程:以前的我真的不夠
入行AI產業,別錯過Python!為何?現在送你八個理由(上)
暑假快到了!與其讓兒子盲目拚學測,我寧可讓他先選擇人生方向~
人人都能是工程師!台灣 IT 培訓中心推「找到工作再付學費」專案,要試試嗎?
留言列表