¿En qué mercados e industrias destaca más R (lenguaje de programación)? ¿Es big data / data science?

Esa es una pregunta difícil porque significa que quien responde tiene una comprensión integral del uso del paquete de software estadístico en muchas industrias. Todo esto para decir que debes tomar cualquier respuesta con un grano de sal, incluido el mío.

Mi experiencia y mi red están principalmente en campos más técnicos. Estos pueden ser cualquier cosa hoy en día realmente. Desde videojuegos hasta SasS, hasta cuerpos gigantes como Google y Microsoft. En estos R pero también en Python, reina sobre todo lo demás. Algunos usan uno u otro, algunos usan ambos. Pero R definitivamente está ahí.

En entornos más tradicionales, estos son menos expresivos. Estos incluyen banca, seguros, farmacias, compañías de telecomunicaciones, etc. Es posible que en algún lugar de algunas compañías haya estadísticos, analistas o científicos que usen R, pero estas compañías a menudo tienen un gran equipaje heredado cuando se trata de software.

Es importante comprender que mi respuesta puede ser sesgada porque mi área está más del lado de la tecnología y mi conocimiento de las industrias más tradicionales está relacionado con las personas que aplican desde esas compañías a mi equipo. Es muy posible que otros con roles más interesantes que incluyen R entre otros no apliquen.

En cuanto a que R es big data o data science, la pregunta no tiene sentido. Este es el por qué:

  1. Big data es un término general, principalmente marketing, para tecnología que admite datos de gran volumen y / o de alta velocidad y / o estructura variada.
  2. La ciencia de datos es un término general, ¡bastante confuso !, para un campo multidisciplinario.
  3. R es un lenguaje de programación. Se puede usar con big data y se puede usar en ciencia de datos, pero no es ninguno de los dos.

¡Espero que esto ayude!

Por ejemplo, R es uno de los estándares de la industria en Medicina Basada en la Evidencia y se convierte en un estándar en Investigación Clínica, donde compite con SAS. Esto se debe a una cobertura prácticamente completa de los métodos analíticos utilizados en bioestadística (medicina, diagnóstico, farmacia, epidemiología, ecología, genética) implementados en R.

“R” es un poderoso paquete de análisis de datos, ampliamente utilizado en análisis de Big Data y otros segmentos de la ciencia de datos. También le permite realizar operaciones de reducción de mapas de grandes conjuntos de datos y analizar los conocimientos.

R también es popular entre los investigadores de diferentes campos para realizar análisis estadísticos y trazar gráficos en los resultados experimentales (ejemplo: hacer un agrupamiento de k-medias en los datos experimentales).

Podría decir que R fue creado casi exclusivamente para la ciencia de datos (usando un enfoque estadístico), algunas personas descubrieron el poder de R y comenzaron a usar el aprendizaje automático como herramienta para realizar tareas de análisis de datos / ciencia de datos.

La cuestión es que R no es un lenguaje eficiente. Es incluso más lento que Python (que ya es un lenguaje muy lento), por lo que no tiene sentido usarlo con big data. Normalmente usará enginse como Spark para manejar los datos y después de usar R para hacer un análisis.

De lo contrario, la sobrecarga sería tremenda.

R es una plataforma estadística eficiente, potente y más fácil de usar, algunos lo llaman como un lenguaje. Big data / data science hace un gran uso de R, ya que tiene muchas capacidades para abordar big data y producir información de gran alcance con la ayuda de diferentes paquetes integrados.

More Interesting

Estoy interesado en aprender ciencia de datos, aprendizaje automático y lenguaje R. ¿Cómo debo comenzar para cualquiera de estos cursos?

Quería obtener el certificado de ciencia de datos de Harvard. ¿Las materias enseñadas en este curso de certificación sientan una base sólida requerida para cambiar de carrera a la corriente de la ciencia de datos?

¿Puedo ser arquitecto y científico de datos al mismo tiempo?

¿Cuál es la diferencia entre el científico de datos y el científico de investigación en Google?

¿Por qué se usa la regresión logística con tanta frecuencia en la ciencia de datos?

¿Quién es el mejor blogger a seguir para las noticias de análisis de datos?

¿Cuál es la diferencia entre MongoDB y big data?

¿Cuál es el mejor campo para aprender y ganar, base de SAP o ciencia de datos?

¿Es correcto hacer un curso sobre big data? ¿Cómo puedo asegurar un trabajo como nuevo después de hacer un curso de Big Data?

¿Cuál es mejor para el estudio de big data 'simplilearn' o 'Intellipaat'?

¿Qué libro de ciencia de datos / blog-artículo / texto debería leer cada profesional de ciencia de datos para tener una mejor comprensión del tema?

Tengo una prueba técnica de 20 minutos para el puesto de pasante de análisis de datos. Esta es mi primera entrevista de este tipo. ¿Qué puedo esperar en la prueba técnica?

¿En qué se diferencia ETL de BigData?

¿Aprender SQL es bueno para carreras potenciales en análisis financiero y de datos?

¿Cómo se benefician los servicios de transcripción de datos?