En la industria, la gente prefiere Python y R para el aprendizaje automático.
Python y R tienen las diferentes funcionalidades.
R: Pros y contras
- ¿Cuáles son algunas aplicaciones de los modelos gráficos probabilísticos?
- ¿Cuál sería su guía para un hombre de 46 años que conoce la programación primaria y está interesado en obtener un conocimiento práctico del aprendizaje automático?
- ¿Cuál es la diferencia entre optimización submodular y convexa?
- ¿Cuál es el flujo de trabajo típico para usar el aprendizaje profundo para resolver un problema?
- Si pudiera construir una plataforma de contenido (piense en la entrega de noticias) desde cero con el objetivo de escalar a millones de usuarios, ¿qué infraestructura utilizaría?
Pro: una imagen dice más que mil palabras
Los datos visualizados a menudo se pueden entender de manera más eficiente y efectiva que los números sin procesar solos. R y la visualización son una combinación perfecta. Algunos paquetes de visualización imperdibles son ggplot2, ggvis, googleVis y rCharts.
Pro: ecosistema R
R tiene un rico ecosistema de paquetes de vanguardia y comunidad activa. Los paquetes están disponibles en CRAN, BioConductor y Github. Puede buscar en todos los paquetes R en Rdocumentation.
Pro: R lingua franca de ciencia de datos
R es desarrollado por estadísticos para estadísticos. Pueden comunicar ideas y conceptos a través del código R y los paquetes, no necesariamente necesita una formación en informática para comenzar. Además, se adopta cada vez más fuera de la academia.
Pro / Con: R es lento
R fue desarrollado para facilitar la vida de los estadísticos, no la vida de su computadora. Aunque R puede ser experimentado como lento debido a un código mal escrito, existen múltiples paquetes para mejorar el rendimiento de R: pqR, renjin y FastR, Riposte y muchos más.
Con: R tiene una curva de aprendizaje empinada
La curva de aprendizaje de R no es trivial, especialmente si proviene de una GUI para su análisis estadístico. Incluso encontrar paquetes puede llevar mucho tiempo si no está familiarizado con él.
Python: pros y contras
Pro: cuaderno de IPython
IPython Notebook facilita el trabajo con Python y los datos. Puede compartir fácilmente cuadernos con colegas, sin tener que instalar nada. Esto reduce drásticamente la sobrecarga de código de organización, salida y archivos de notas. Esto le permitirá pasar más tiempo haciendo un trabajo real.
Pro: un lenguaje de propósito general
Python es un lenguaje de propósito general que es fácil e intuitivo. Esto le da una curva de aprendizaje relativamente plana y aumenta la velocidad a la que puede escribir un programa. En resumen, ¡necesita menos tiempo para codificar y tiene más tiempo para jugar con él!
Además, el marco de prueba de Python es un marco de prueba incorporado de baja barrera de entrada que fomenta una buena cobertura de prueba. Esto garantiza que su código sea reutilizable y confiable.
Pro: un lenguaje multipropósito
Python reúne a personas con diferentes orígenes. Como lenguaje común y fácil de entender que los programadores conocen y que los estadísticos pueden aprender fácilmente, puede crear una herramienta única que se integre con cada parte de su flujo de trabajo.
Pro / Con: Visualizaciones
Las visualizaciones son un criterio importante al elegir el software de análisis de datos. Aunque Python tiene algunas bibliotecas de visualización agradables, como Seaborn, Bokeh y Pygal, quizás haya demasiadas opciones para elegir. Además, en comparación con R, las visualizaciones suelen ser más complicadas, y los resultados no siempre son tan agradables a la vista.
Con: Python es un retador
Python es un desafío para R. No ofrece una alternativa a los cientos de paquetes esenciales de R. Aunque se está poniendo al día
