目前，软件开发人员正在使用大量不同的编程语言，大多数工作需要熟悉很多技能，如Java、Java、PHP和C#。然而，随着软件需求的发展，新的和尚未被普遍接受的编程语言越来越突出，为程序员提供了针对某些工作的正确工具。
预测哪些语言最终会上升到编程语言排行榜的顶部是困难的，很多语言的受欢迎指数都呈上升趋势，以下是八种目前还没有大火的编程语言竞争力分析，看起来未来几年将在在企业中发挥巨大作用。(排名按照开源社区受欢迎程度，swift最受欢迎）
在2014年的苹果WWDC大会上首次亮相，旨在替代OSX和iOS开发的Objective-C语言。苹果于2015年12月，根据Apache许可证开源了该语言，这意味着所有源代码都可以编辑，程序可以在不归属于苹果的情况下运行。
RedMonk分析师Stephen O'Grady表示，Swift与Ruby和Python这些更现代的语言相似，自发布以来一直享受着高速增长。苹果公司表示： Swift采用安全的编程模式，并添加了现代功能，使编程更容易、更灵活、更有趣。
Github上Star：39.8K
这种开源语言被视为比较成熟的语言(如Java和C)更快速、更易于使用。它已被许多企业使用：BBC、SoundCloud，Facebook以及英国政府获奖的GOV.UK网站。
Type在年初开始普及，上半年保持着强劲的增长势头。这反映在其技术出版商RedMonk的排名中，在第一季度Github的排名中位列17位，其中Erlang和Rust并列。
被描述为“Java的超集”，Type最大的优点就是程序员可以利用Angular，这是一个用于创建以Type编写Web应用程序的框架。
Github上Star：24.6K
由Mozilla创建，Rust 1.0于2014年发布，已经开发了多年。
与C和C ++在某些方面类似，Mozilla将其描述为一种专注于性能、并行化和内存安全的新型编程语言。通过从零开始构建语言并结合现代编程语言设计的元素，Rust的创建者避免了传统语言必须处理大量”baggage“(向后兼容性要求)。经过一段时间的发展，该语言正在引起程序员的兴趣。
Github上Star：22.9K
快速编译并与Java一起运行，Kotlin是一种静态类型的编程语言，可在Java虚拟机上运行，可编译为Java源代码。
由俄罗斯软件开发公司JetBrains创建，Kotlin正在Pinterest，Evernote，Uber和Coursera上使用。
Github上Star：16.6k
Clojure于2009年推出，是Lisp编程语言的一种方言。它是一种强调函数式编程的通用语言。它将代码视为数据，并具有宏系统，如其他“Lisps”。
它被成功应用到沃尔玛、Puppet实验室和各大软件公司。
Github上Star：6.5k
Haskell将自己称为“高级纯函数式编程语言”，1990年发布了第一个版本。它具有类型推理系统，主要在学术界内使用，但有一些行业应用案例，例如AT&T，BAE Systems，Facebook甚至Google的项目。
2016年，开始编制2020版本。
Github上Star：681
R提供用于统计计算的开源软件环境。
首先出现在1993年，R在数据驱动的职业之中，例如数据挖掘、统计学家甚至学者，受到了越来越多的欢迎。它提供了一个简单有效的方式来分析数据，尽管它不能与像Hadoop这样的大型架构相竞争。
普通程序员目前对R语言的接受程度一般，随着大数据以及人工智能的发展，R语言未来的发展前景还是很不错的。
Github上Star：240
R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。 R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处，这两种语言有一定的兼容性。S-PLUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说：R，是S-PLUS的一个“克隆”。
但是请不要忘了：R是免费的(R is free)。R语言源代码托管在github，具体地址可以看参考资料。 。
R语言的下载可以通过cran的镜像来查找，具体地址可以看参考资料。
R语言有域名为.cn的下载地址，有六个，其中两个由Datagurn，由中国科学技术大学提供的。R语言Windows版，其中由两个下载地点是Datagurn和USTC提供的。具体地址可以看参考资料。
时间序列（time series）是随机变量Y 1 、Y 2 、……Y t 的一个序列，它是由等距的时间点序列索引的。
一个时间序列的均值函数就是该时间序列在某个时间索引t上的期望值。一般情况下，某个时间序列在某个时间索引t 1 的均值并不等于该时间序列在另一个不同的时间索引t 2 的均值。
自协方差函数及自相关函数是衡量构成时间序列的随机变量在不同时间点上相互线性依赖性的两个重要函数。自相关函数通常缩略为ACF函数。ACF函数是对称的，但是无单位，其绝对值被数值1约束，即当两个时间序列索引之间的自相关度是1或-1,就代表两者之间存在完全线性依赖或相关，而当相关度是0时，就代表完全线性无关。
平稳性：实质描述的是一个时间序列的概率表现不会随着时间的流逝而改变。常用的平稳性的性质有严格平稳和弱平稳两个版本。tseries包的adf.test()函数可以检验时间序列的平稳性，返回的p值小于0.05则表示是平稳的。
白噪声是一个平稳过程，因为它的均值和方差都是常数。
随机漫步的均值是常数（不带漂移的随机漫步），但它的方差是随着时间的变化而不同的，因此它是不平稳的。
自回归模型（Autoregressive models， AR）来源于要让一个简单模型根据过去有限窗口时间里的最近值来解释某个时间序列当前值的想法。
自回归条件异方差模型：ARIMA模型的关键前提条件是，虽然序列本身是非平稳的，但是我们可以运用某个变换来获得一个平稳的序列。像这样为非平稳时间序列构建模型的方法之一是作出一个假设，假设该模型非平稳的原因是该模型的方差会以一种可预见的方式随时间变化，这样就可以把方差随时间的变化建模为一个自回归过程，这种模型被称为自回归条件异方差模型（ARCH）。加入了移动平均方差成分的ARCH模型称为广义自回归条件异方差模型（GARCH）。
任务：预测强烈地震
数据集：2000-2008年期间在希腊发生的强度大于里氏4.0级地震的时间序列。
不存在缺失值。
将经度和纬度之外的变量转换为数值型。
从图上可以看出，数据在30次左右波动，并且不存在总体向上的趋势。
通过尝试多个不同的组合来找到最优的阶数参数p,d,q，确定最优的准则是使用参数建模，能使模型的AIC值最小。
定义一个函数，它会针对某个阶数参数拟合出一个ARIMA模型，并返回模型的AIC值。如果某组参数导致模型无法收敛，就会产生错误，并且无法返回AIC，这时需要人为设置其AIC为无限大（InF）。
调用函数，选取最合适的模型。
然后找出最优的阶数参数：
得到最合适的模型为ARIMA（1, 1, 1）。再次使用最优参数训练模型。
使用forecast包预测未来值。
带颜色的条带是预测的置信区间，蓝色线表示均值，结果表示在后续的10个月里，地震的数量会有小幅增加。
检查自相关函数：
ACF绘图：虚线显示了一个95%的置信区间，特定延迟对应的ACF函数值如果处于该区间内，就不会被认为具有统计显著性（大于0）。这个ACF轮廓表明，针对本数据集，简单的AR（1）过程可能是一种合适的拟合方式。
PACF为偏自相关函数，是将时间延迟K的PACF定义为在消除了小于K的延迟中存在的任何相关性影响的情况下所产生的相关性。
