¡La verdadera respuesta es que depende!
Depende del tipo de aplicación, qué tan rápido debe entregarse, de qué tipo de escala estamos hablando, etc.
Sin embargo, una vez dicho esto, la mejor opción es utilizar la herramienta con la que está más familiarizado. Esto le ahorrará mucho tiempo ya que no tiene que ir y comenzar a aprender una nueva tecnología antes de hacer algo.
- ¿Hay alguna manera de recopilar datos de Facebook de una página de la competencia con fines analíticos?
- ¿Cuáles son hermosos ejemplos / aplicaciones de distribuciones de probabilidad complejas en la vida real?
- ¿Cuáles son los campos donde se utiliza el análisis de big data?
- En el aprendizaje automático, si no sé mucho sobre la corrección de lo anterior, ¿puedo tratar de corregir el modelo a través de grandes cantidades de datos de entrenamiento?
- ¿Qué lenguaje de programación de tipo estático proporciona un entorno fuertemente integrado para la ciencia de datos?
Solo cambie cuando no pueda lograr lo que desea lograr con la herramienta con la que está familiarizado. Pero este punto llegará muy raramente, ya que casi todos los idiomas están completos.
Además de esto, también debe considerar cuáles son las funcionalidades clave que necesita y si alguna tecnología es mejor que otras por un amplio margen. Por ejemplo, si desea hacer cosas estadísticas, R es una excelente opción.
Entonces, como dije, la respuesta es que depende.
