A partir de ahora, Erlang no es útil para Machine Learning.
Necesidades de aprendizaje automático
- Un lenguaje que puede ejecutar cálculos rápidamente (C ++ / Julia)
- O un lenguaje que tiene enlaces a lenguaje rápido que puede ejecutar cálculos rápidamente (Python / R).
- (Es bueno tener) una interfaz de usuario fácil hace que el lenguaje sea fácil de escribir en código. (Python / R / Julia).
Erlang es lento (a diferencia de Julia / C ++) y tiene un ecosistema insignificante de bibliotecas rápidas (Python / R) que admiten una pila de Machine Learning.
- ¿Dónde puedo encontrar una biblioteca pública de algoritmos de aprendizaje automático (ML) y aprendizaje profundo (DL) con muestras?
- Cómo aprender los conceptos básicos del aprendizaje automático dentro de una semana para una entrevista de trabajo
- ¿Cuáles son las funcionalidades clave que debe tener una biblioteca NLP mínima?
- ¿Cuáles son los algoritmos estándar para la inferencia en redes bayesianas?
- ¿Qué debo hacer para un bot de chat con aprendizaje automático?
Erlang es muy bueno para escribir sistemas concurrentes IO CRUD, pero no para Machine Learning.
Si desea escribir Machine Learning en un lenguaje funcional, F # Software Foundation es la mejor apuesta, creo. Buen número de bibliotecas numéricas y un lenguaje rápido. Incluso puede ejecutar F # directamente en la GPU.