Los creadores de R querían crear una alternativa SAS de código abierto, y su público objetivo era un estadístico que necesitaba obtener resultados rápidamente, de una manera interactiva ad-hoc.
R fue diseñado para ser un DSL (lenguaje específico de dominio), pero ahora ganó popularidad, y es posible hacer otras cosas además de las estadísticas, por ejemplo, desarrollar servidores web con él.
La verdadera pregunta es “¿Debo usar R para cualquier cosa que no sea estadística?”
- ¿Cuál es el estado actual del estudio y la investigación de la ciencia de datos en la India en comparación con otros países?
- ¿Cuáles son los temas candentes para una tesis de maestría relacionada con el aprendizaje profundo o big data?
- Cómo lidiar con la falta de disponibilidad de datos o datos incorrectos para resolver problemas de ciencia de datos
- ¿Cuáles son algunas aplicaciones modernas de clasificación en minería de datos?
- ¿Qué nuevas empresas recomendarías como lugar de trabajo para un científico de datos junior? No solo en EE. UU., Sino en todo el mundo
Creo que cualquier lenguaje que le permita cambiar los valores de la lógica “Verdadero” y “Falso” no debe usarse en la producción.
T <-0
F <-1
Python, por otro lado, fue diseñado de abajo hacia arriba.
Python es un lenguaje de propósito general, utilizado en servidores web, administración de sistemas, interfaz gráfica de usuario y también estadísticas.
Un científico de datos, por lo general, desarrolla programas que son parte de una tubería, (lectura de X, escritura a Y, registro de errores en Z), y debe estar pensando todo el tiempo sobre el despliegue de su trabajo.
Python hace que la transición al código de producción sea más rápida y fácil.
Mi creencia personal es que si los resultados de su trabajo serán solo una parte de un informe o una presentación, use R, de lo contrario use Python.
