Tanto R como Python (sin olvidar SAS) son los principales líderes del mercado en análisis de datos y mercado de la ciencia. R y Python son lenguaje muy popular para el análisis de datos, y ambos tienen un fuerte soporte en el espacio de código abierto.
Por qué vale la pena aprender R:
- Es fácil de aprender, gratuito (a diferencia de SAS), fácil de integrar con otros lenguajes de programación como C ++, JAVA, C, MATLAB, etc. y tiene un gran apoyo de la comunidad en línea con muchos paquetes fáciles de usar e integrar disponibles gratuitamente.
- Capacidades gráficas avanzadas con el paquete GGplot2 de R.
- Preciso y rápido, que es una ventaja en BigData.
- El 75% de los mineros de datos usa R para una parte importante de Data science, a saber, Data Mining. Python es bueno para el análisis y modelado de datos.
- Muy utilizado en la academia y la investigación.
- Facilidad para manejar tareas matemáticas complejas que, de lo contrario, en Python requieren que escriba más fragmentos de códigos.
Las personas con un buen comando en Python deberían atenerse a Python porque más o menos Python tiene capacidades similares. La diferencia no es lo suficientemente grande como para cambiar de un idioma a otro.
- ¿Cuáles son las habilidades necesarias para ser un buen analista de datos? ¿Qué cursos se requieren para ser un buen analista de datos? ¿Es bueno entrenar esas tecnologías cuando está más fresco?
- ¿Cuáles son las principales tendencias en big data?
- ¿Cuál es la diferencia entre datos métricos y datos no métricos?
- Cómo elegir un modelo ML cuando el objetivo es tanto una predicción razonable como una inferencia
- Cómo gestionar el big data
