Python和R语言是在数据工程师间最流行的编程语言，但是，它并不能适用于应用程序构建的所有部分。这也就是你为什么有时需要找到一种方法，将Python或R编写的机器学习模型部署到基于.NET等语言的环境中。

第18届年度KDnuggets软件投票又一次受到了分析、数据科学界和软件生产商的热情参与。与去年相似，约有2900人参与了此次投票。最近几年，Python的使用增长率一直比R快，到今年，Python

)，虽然现在仅发布了1.0 Alpha版本，但使用起来已经非常方便。而且，其开发团队与Python Tools for Visual Studio(PTVS)是同一个，而PTVS就是Visual Studio 2013中要创建自带的Python项目需要安装的那个程序，所以大可放心的使用NTVS。

自己实现Web服务器的优点就不用说太多了，主要是能控制具体的实现。也能按照自己的习惯实现互动方式。而Twisted在tcp以下是C写的，ip和udp部分应该是C和Python的混合产物，而

目前的问题是,很多数据集都有大量的变量。换句话说，它们是多维度的，数据沿着这些维度分布。这样的话，可视化地研究数据会变得很有挑战性，大多数时候甚至不可能手工完成。但是，研究数据时，可视化数据是非常重要的。因此，理解如何可视化高维数据集是关键，这可以使用降维技术来实现。这篇文章将重点介绍两种降维技术技术：PCA和t-SNE。

自然语言处理(NLP)在今天已经变得越来越流行，尤其是在深度学习迅猛发展的大背景下变得更加引人注目。NLP属于人工智能的一个领域，旨在理解文本和从中提取重要信息，并在文本数据上做进一步的训练。NLP的主要任务包括了语音识别和生成，文本分析，情感分析，机器翻译等。

这里有几个选项可以加速你的机器学习原型。效果最明显的是使用GPGP，因为一张合适的Nvidia显卡会让你回到1K到2K之间。别忘了，你可能需要升级电源和散热风扇。但是，如果你的部门（像大多数人一样）处于预算限制之下（尽管也许你只是把它当作学习经验，或者仅仅是为了娱乐的目的），那么可能需要找到一个加速处理和节省大量资金的中间地带。

日前，Opensource.com正在进行一项“最好的初学者编程语言投票活动”，引起了激烈的辩论;每当提到这个话题各方阵营难免会激烈角逐一番，其实这个话题的争论不是要得到什么确切的答案，而真的取决于你要做什么，未来打算做什么。但这样的排名往往会对初学者产生一定影响，并且意义深远。

下面我挑选出的这几个技巧常常会被人们忽略，但它们在日常编程中能真正的给我们带来不少帮助。

os.path 模块中的路径名访问函数分隔basename() 去掉目录路径， 返回文件名dirname() 去掉文件名， 返回目录路径join() 将分离的各部分组合成一个路径名split() 返回 (dirname()， basename()) 元组splitdrive() 返回 (drivename， pathname) 元组splitext() 返回 (filename， extension) 元组