No estoy seguro de la exactitud de sus suposiciones:
- En primer lugar, Octave es de código abierto (aunque con una GPL), por lo que se adapta mejor al grupo R / Python IMO.
- He oído que Matlab se usa en muchas empresas, en su mayoría grandes, pero también en algunas empresas emergentes.
El recurso más valioso que tiene una empresa es el tiempo de sus trabajadores. Si los empleados ya conocen a Matlab, a la larga podría ser más barato pagar las tarifas de licencia y obtener un prototipo rápidamente que aprender una herramienta de código abierto.
Si compara Matlab con R, creo que se puede hacer mucho con cualquiera de las herramientas. Las tarifas de licencia de Matlab vienen con cierto nivel de soporte comercial que podría resultar muy útil. Cuando tiene un problema con R, tiene que leer la documentación (a veces escasa) o pedir ayuda a la comunidad (maravillosa) de desarrolladores y usuarios. OTOH, dada la amplia base de usuarios, miles de problemas estadísticos ya tienen cierta cobertura de una biblioteca R.
Diferentes personas pueden poner un precio diferente a la asistencia al usuario.
- ¿Qué es mejor para la clasificación binaria, softmax bidireccional o regresión logística?
- ¿Cuál es la mejor manera de crear un conjunto de redes neuronales?
- ¿La red neuronal convolucional es básicamente un procesamiento previo de datos a través del núcleo más las redes neuronales? ¿Acaso Deep Learning no es solo redes neuronales con preprocesamiento para las selecciones de funciones automatizadas?
- ¿Cómo aprendo el aprendizaje automático y dónde puedo practicarlo?
- ¿Puede Naive Bayes alcanzar algún rendimiento con suficientes datos?
