1.R語言
R語言是數據科學的寵兒，R語言有著簡單而明顯的吸引力，使用R語言，只需要短短的幾行代碼，你就可以在復雜的數據集中篩選，通過先進的建模函數處理數據，以及創建平整的圖形來代表數字，它被比喻為是Excel的一個極度活躍版本。
2.Python
如果說R語言是一個神經質又可愛的高手，那么Python是它隨和又靈活的表兄弟。作為一種結合了R語言快速對復雜數據進行挖掘的能力并構建產品的更實用語言，Python迅速得到了主流的吸引力。Python是直觀的，并且比R語言更易于學習，以及它的生態系統近年來急劇增長，使得它更能夠用于先前為R語言保留的統計分析。
在數據處理中，在規模和復雜性之間往往會有一個權衡，于是Python成為了一種折中方案。IPython notebook和NumPy可以用作輕便的一種暫存器，而Python可以作為中等規模數據處理的強大工具。豐富的數據社區，也是Python的優勢，因為可以提供了大量的工具包和功能。
3.Julia
雖然當前的數據科學絕大多數是通過R語言，Python，Java，MatLab和SAS執行的。但依然有其他的語言存活于夾縫中，Julia就是值得一看的后起之秀。Julia是一種高層次的，極度快速的表達性語言。它比R語言快，比Python更可擴展，且相當簡單易學。
4.JAVA
Java不能提供R和Python同樣質量的可視化，并且它并非統計建模的選擇。但是，如果你移動到過去的原型制作并需要建立大型系統，那么Java往往是你的選擇。
5.Hadoop和Hive
Hadoop作為首選的基于Java的框架用于批處理數據已經點燃了大家的熱情。Hadoop比其他一些處理工具慢，但它出奇的準確，因此被廣泛用于后端分析。它和Hive——一個基于查詢并且運行在頂部的框架可以很好地結對。
6.Scala
Scala是另一種基于Java的語言，并且和Java相同的是，它正日益成為大規模機器學習，或構建高層次算法的工具。它富有表現力，并且還能夠構建健壯的系統。
7.Kafka和Storm
Kafka，誕生于LinkedIn內部，是一個超快速的查詢消息系統，Storm是用Scala編寫的另一個框架，它在硅谷中因為流處理而受到了大量的青睞。它被Twitter納入其中，勿庸置疑的，這樣一來，Twitter就能在快速事件處理中得到巨大的裨益。
8.MatLab
MatLab一直以來長盛不衰，盡管它要價不菲，但它仍然被廣泛使用在一些非常特殊的領域：研究密集型機器學習，信號處理，圖像識別等。
9.Octave
Octave和MatLab非常相似，但它是免費的。不過，它在學術性信號處理圈子之外很少見到。
10.GO語言
GO是另一個正在掀起浪潮的后起之秀。它由Google開發，從C語言松散地派生，并在構建健壯基礎設施上，正在贏得競爭對手。
1.課程內容，先進教學理念，重視能力與思維的培養
2.5年以上行業一線實戰授課
3.心理學實戰目標化教學，培養學習興趣、講授學習方法，嚴管學習態度
4.企業實戰與理論相結合，項目實戰占比40%，課程環環相扣，遠超企業技術需求
5.口碑招生為主，學員轉介紹率達70%以上
6.深耕10年以上、持續口碑發展，課程體系全面系統
7.講師、項目經理、班主任、老師、優秀師兄5位一體，從入學到入職轉正全程服務。
