La respuesta es, depende.
La parte más compleja está relacionada con la empresa. Algunas compañías están centradas en el lenguaje, otras están más centradas en la tarea. Los idiomas centrados a menudo usan un pequeño conjunto de idiomas en los equipos de datos, lo que hace que los equipos sean más productivos, excepto cuando sus idiomas preferidos no son los mejores para la tarea. Las empresas centradas en tareas enfrentan problemas más grandes con la integración, pero tienen la ventaja de usar la que sea la mejor solución. Por lo tanto, hay enormes diferencias entre las empresas.
La parte menos compleja está relacionada con la función. En cuanto a ingeniería, Java, Scala y Python toman una gran parte de las preferencias. Python y R toman la creación de prototipos, análisis y construcción de modelos. SAS, Matlab y otros aparecen en ciertas industrias junto con Python y R. En algún lugar en el medio, está el ML e I + D puro que puede ir de C a Python a R. Y luego están los contendientes como Julia.
- ¿Cuál es la diferencia entre ciencia de datos, aprendizaje automático e inteligencia artificial?
- ¿Debería unirme a 'dominar el análisis de datos con R' por edureka o 'Análisis de datos con R' por Udacity?
- Actualmente, estoy trabajando con la tecnología AS400 y quiero ingresar al análisis de datos. ¿Cuál debería ser mi primer paso?
- ¿Cuál es el flujo de trabajo habitual de un científico de datos antes de comenzar a analizar un conjunto de datos?
- ¿Cuál es la diferencia entre data mining y data warehouse?
Entonces … la función en la que se definirá definirá en gran medida qué idiomas es más probable que use, pero eso no significa que esos sean los más comunes e importantes en general, solo en el contexto de una determinada empresa / industria.
Espero que esto ayude.
