微軟亞太區(qū)資料科學(xué)總監(jiān)Graham Williams

微軟在2015年并購R語言工具商Revolution Analytics之后，隨即在2016年，也開始在自家主力開發(fā)工具Visual Studio上，支持R語言。微軟將如何定位R語言在微軟開發(fā)工具鏈的位置？微軟亞太區(qū)資料科學(xué)總監(jiān)Graham Williams直言：「R是Visual Studio生態(tài)系的第一公民！」

擁有30年數(shù)據(jù)挖掘研究經(jīng)歷的Graham Williams，是運(yùn)用R語言來進(jìn)行數(shù)據(jù)挖掘研究的先驅(qū)之一，早在10年前更開發(fā)一款R語言數(shù)據(jù)挖掘的圖形化工具Rattle。

他在2016年進(jìn)入微軟，曾是澳洲國稅局首席數(shù)據(jù)科學(xué)家，超過10年投入各種稅務(wù)、海關(guān)、健保、金融分析研究。他也是R社區(qū)基礎(chǔ)入門教材的重要貢獻(xiàn)者之一。

「R是數(shù)據(jù)科學(xué)家最常用的分析工具！」Graham Williams一語點(diǎn)出目前分析工具的使用現(xiàn)狀，他認(rèn)為，R能夠成為最多數(shù)據(jù)科學(xué)家使用的工具，不僅是因?yàn)镽是個(gè)開源且免費(fèi)的工具，R更是數(shù)據(jù)科學(xué)家的生態(tài)圈。

他表示，R軟件的生態(tài)圈中，有來自世界各地的數(shù)據(jù)科學(xué)家、統(tǒng)計(jì)學(xué)家、機(jī)器學(xué)習(xí)工程師等開發(fā)人員，都會(huì)使用R，若發(fā)現(xiàn)需要解決的問題，就會(huì)貢獻(xiàn)套件（Package）到R的CRAN（Comprehensive R Archive Network）中。

目前整個(gè)生態(tài)圈的數(shù)據(jù)科學(xué)家貢獻(xiàn)的套件，已高達(dá)10,450個(gè)，「身為一個(gè)數(shù)據(jù)科學(xué)家，我擁有10萬多的套件可以完成我的任務(wù)，」他舉例，無論是時(shí)間序列的分析、金融預(yù)測分析和機(jī)器學(xué)習(xí)演算法，R都有相對的資源可以運(yùn)用。

除此之外，Graham Williams也補(bǔ)充，R軟件與其他分析工具也可以相容，像是數(shù)據(jù)分析軟件Weka，在R軟件中也可以直接調(diào)用Weka的套件來使用。

他認(rèn)為，對數(shù)據(jù)科學(xué)家而言，R是個(gè)很強(qiáng)大的工具，因?yàn)橹灰獑我还ぞ?#xff0c;就可以使用相當(dāng)多元的資源。

R軟件很大的優(yōu)點(diǎn)就是有許多套件可以使用，不過，R的套件是誰在管理的呢？「R其實(shí)分為兩個(gè)部分，一小部分由R核心團(tuán)隊(duì)管理，剩下的另一部分，開發(fā)人員可以貢獻(xiàn)經(jīng)過官方審核的套件到CRAN中，」Graham Williams表示。

一般來說，開發(fā)人員貢獻(xiàn)的套件必須經(jīng)過縝密的審核，符合核心團(tuán)隊(duì)要求的套件，才能放入CRAN，而R核心團(tuán)隊(duì)則負(fù)責(zé)小于100個(gè)重要的套件，且有權(quán)利修改R軟件。

Visual Studio整合R，打破兩大限制

在2015年微軟并購Revolution Analytics后，Graham Williams強(qiáng)調(diào)，微軟在Visual Studio上將R視為第一優(yōu)先順位，提供數(shù)據(jù)科學(xué)家R語言工具R Tools for Visual Studio（RTVS），而且，R Studio所擁有的功能RTVS幾乎都有。

他認(rèn)為，RTVS可以讓數(shù)據(jù)科學(xué)家不須要重新適應(yīng)開發(fā)環(huán)境，可以直接在Visual Studio中使用R。

Graham Williams表示，數(shù)據(jù)分析生命周期需要完整的管理機(jī)制，Visual Studio可以提供企業(yè)監(jiān)督和管理大數(shù)據(jù)開源工具的平臺(tái)，讓數(shù)據(jù)科學(xué)家在同一個(gè)平臺(tái)上，運(yùn)用許多數(shù)據(jù)科學(xué)的工具。

舉例來說，Visual Studio提供R、Python、Spark和Hadoop等這些數(shù)據(jù)科學(xué)的工具，甚至，還提供數(shù)據(jù)倉儲(chǔ)管理和版本管理的功能。

除此之外，Graham Williams表示，微軟還突破了開源R軟件的兩項(xiàng)限制：第一，微軟解決了R只能分析符合內(nèi)存的數(shù)據(jù)量，讓數(shù)據(jù)科學(xué)家能夠分析任何大小的資料量。

第二，原本開源的R只能執(zhí)行單一執(zhí)行緒，但是機(jī)器學(xué)習(xí)的演算法往往需要多執(zhí)行緒的請求方式，Microsoft R則提供數(shù)據(jù)科學(xué)家能夠靈活地運(yùn)用多執(zhí)行緒。

Python和R不是競爭關(guān)系，而要共存

不過，除了R語言之外，另一個(gè)語言Python在數(shù)據(jù)科學(xué)界也越來越火紅，Graham Williams認(rèn)為，開源的環(huán)境不是競爭的關(guān)系，而是和諧共存。

「我不會(huì)希望把數(shù)據(jù)科學(xué)家綁死在R，」他坦言，其實(shí)開源軟件的優(yōu)勢就是，開發(fā)人員有很高的自由度可以選擇自己的工具，數(shù)據(jù)科學(xué)家可依照自己的情況，選擇最好的工具。

「我可以自由地選擇最適合我的工具，再將其他資源整合到我的生態(tài)圈，」Graham Williams指出，一般數(shù)據(jù)科學(xué)家習(xí)慣同一個(gè)環(huán)境下執(zhí)行數(shù)據(jù)分析，若分析過程需要新的工具，就會(huì)將其他的工具套用進(jìn)原本的環(huán)境中。

他認(rèn)為，R和Python各自有不可取代的優(yōu)點(diǎn)，像是R同時(shí)具有統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的生態(tài)圈，或許在資料科學(xué)的領(lǐng)域，會(huì)維持很長一段時(shí)間領(lǐng)先的地位，但Python有好的套件可以串接到Hadoop和Spark。

除了這兩大數(shù)據(jù)分析語言，他也不排除，未來或許會(huì)有更新、更好的語言會(huì)出現(xiàn)，像是近期就有新的語言Julia出現(xiàn)。

「以前執(zhí)行數(shù)據(jù)科學(xué)的專案，需要花費(fèi)3年的時(shí)間，現(xiàn)在，只要5分鐘就能完成！」他說。

Graham Williams表示，現(xiàn)在因?yàn)橛性S多工具，可以讓企業(yè)的數(shù)據(jù)科學(xué)家自由地調(diào)度云端上的運(yùn)算能力，和使用各式各樣的分析工具，讓數(shù)據(jù)科學(xué)變得方便又快速，不僅如此，還可以為企業(yè)省下大筆的花費(fèi)。

他指出，過去，多數(shù)企業(yè)購買了許多超級(jí)電腦來運(yùn)行數(shù)據(jù)分析，還需花費(fèi)資金和人力，來維護(hù)硬體設(shè)備，不過，實(shí)際運(yùn)用到的資源卻不到10%，他表示，若是利用云端上的資源，企業(yè)則可以省去建置環(huán)境的過程，并且依照使用量付費(fèi)。

即使云端運(yùn)算有如此吸引人的優(yōu)點(diǎn)，Graham Williams坦言，許多企業(yè)和政府機(jī)關(guān)對于內(nèi)部的資料上云端還是有很大的疑慮。

不過，他表示，加密的技術(shù)早就已經(jīng)相當(dāng)純熟，就像我們在使用的Dropbox、Google Drive等，技術(shù)可以確保數(shù)據(jù)不會(huì)外泄，只有數(shù)據(jù)的擁有人可以存取。

他認(rèn)為，科技不是問題，而是要慢慢建立起企業(yè)對云端的信任感，他也坦言，企業(yè)對資料上云端的疑慮，是微軟目前面臨的狀況。

整合個(gè)人異質(zhì)數(shù)據(jù)，更能創(chuàng)造數(shù)據(jù)科學(xué)新商機(jī)

對于害怕將數(shù)據(jù)上云端的人，Graham Williams也建議，其實(shí)每個(gè)人都握有個(gè)人自身的數(shù)據(jù)，且擁有唯一的權(quán)限，可以存取數(shù)據(jù)，「若能將所有分散的異質(zhì)數(shù)據(jù)整合起來，可以做到非常驚人的數(shù)據(jù)分析！」

他進(jìn)一步舉例，只有自己個(gè)人知道自己有幾家銀行的戶頭，也只有自己可以存取這些資料，一家銀行只會(huì)知道客戶一個(gè)帳戶的資訊，且不會(huì)與其他銀行分享資訊。

比方說，若銀行開發(fā)一款A(yù)pp，能夠提供消費(fèi)者在個(gè)人設(shè)備上，像是智能手機(jī)，通過整合分散的異質(zhì)資料，包括銀行的帳戶、稅務(wù)資訊和社區(qū)軟件的數(shù)據(jù)等，分析預(yù)測自己的投資組合或是財(cái)務(wù)狀況。

「提供機(jī)器學(xué)習(xí)演算法的模型，讓客戶在個(gè)人設(shè)備執(zhí)行分析，能創(chuàng)造出更多的商機(jī)，」Graham Williams舉例，使用者可以藉由分析結(jié)果來管理自己的財(cái)務(wù)，企業(yè)也可以增加推薦行銷的機(jī)會(huì)，提供客戶理財(cái)?shù)慕ㄗh與方案。

不過，他也坦言，由于企業(yè)必須在沒有取得客戶資料的情況下，先建置出精準(zhǔn)的分析模型，提供給客戶使用，這樣的工作其實(shí)相當(dāng)困難。

除此之外，Graham Williams預(yù)測，未來，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)演算法，將不再局限于超級(jí)電腦或是云端的執(zhí)行環(huán)境中，可以變得更貼近我們的生活，普及在個(gè)人裝置上運(yùn)行。

原文地址：http://www.ctolib.com/topics-117237.html

---

.NET社區(qū)新聞，深度好文，微信中搜索dotNET跨平臺(tái)或掃描二維碼關(guān)注

總結(jié)

以上是生活随笔為你收集整理的微软亚太区资料科学总监：R 语言是 VS 生态第一顺位的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。