一直以來，Python和R語言都被認為是數據科學專屬的兩種語言，事實上它們并不是唯一可以用于數據科學的語言，Java同樣可以用戶數據科學。本文中，Aaron Lazar將列出10大理由，為什么Java在數據科學領域仍然是偉大的語言?

姜是老的辣： Java是企業發展中最古老的語言之一，大部分企業都擁有很多基于Java的基礎架構，如果貿然選擇R或Python，那么很多Java模型都需要重寫。

一等公民： Spark，Flink，Hive，Spark和Hadoop等大多數流行的大數據框架/工具都是用Java編寫的。找到一個適合使用Hadoop和Hive的Java開發人員相對更加容易。

偉大的工具集： Java擁有大量用于機器學習和數據科學的庫和工具。其中包括Weka，Java-ML，MLlib和Deeplearning4j等用于解決大部分ML或數據科學問題的工具和庫。

Lambdas和REPL：Java 8中 Lambdas糾正了Java的大部分冗長，從而使開發大型企業/數據科學項目變得不那么痛苦。另一方面，Java 9帶來了REPL，便于迭代開發。

Java Virtual Machine： JVM是最好的平臺之一，支持開發者在多個平臺上編寫相同的代碼。JVM允許開發人員快速創建自定義工具。而且，Java有許多IDE可以提高開發人員的工作效率。

Java是強類型的：不要和靜態類型混淆，強類型有助于處理大型數據應用程序，類型安全是一個值得擁有的特性。Java確保程序員明確他們處理的數據和變量的類型。它使維護代碼庫變得更容易，并且可以安全地避免為應用程序編寫簡單的單元測試。

JVM擁有Scala：雖然這是下一步的工作，但是如果你已經掌握了如何用Java編寫代碼，那么學習Scala將更加容易。Scala為數據科學提供了驚人的支持，而像Spark這樣強大的框架也構建在Scala之上。

作業場景：如果拋棄SQL不談，那么Java在工作空間中是明顯的贏家。如果您將Java作為您的技能之一，那么獲得工作的可能性更大。

可擴展性：在擴展應用程序方面，Java非常出色。當您考慮構建更大，更復雜的ML / AI應用程序時，這是一個很好的選擇。如果您開始從底層開始構建應用程序，那么選擇Java作為編程語言同樣是很好的選擇。

Java是快速的：與其他一些廣泛使用的數據科學語言不同，Java是快速的。速度對于構建大規模應用程序至關重要，而Java剛好符合這一點。。像Twitter，Facebook和LinkedIn這樣的跨國公司都是依靠Java進行數據工程。

如果你是數據科學家，機器學習或深度學習工程師，請不要放棄Java，在數據科學領域Java同樣是王者。