Descargo de responsabilidad: no tengo ningún dato científico que respalde mis afirmaciones. Dicho esto, basado completamente en mi experiencia, veo algunas razones:
- Python tiene un conjunto sólido de bibliotecas para la manipulación de datos y material científico en general, que son maduras y confiables como NumPy.
- Python es un poco mayor, y las personas que provienen de una formación académica tienden a ser más conservadoras sobre sus herramientas de elección. (Algunas personas todavía usan FORTRAN para algunas tareas, lo que dice mucho al respecto).
- Hay pocas razones para reinventar la rueda. La manipulación de vectores puros todavía se realiza en FORTRAN por esta razón (pero NumPy se utilizó cada vez más en los últimos 10 años desde su introducción). Y Python comenzó a usarse para esto hace algún tiempo, antes de que Ruby se extendiera en la comunidad.
- Python parece tener muchos más seguidores en la academia que Ruby. De hecho, Python nació en la escena académica, como resultado directo de experimentos para introducir conceptos de programación a los niños, antes de que despegara como un lenguaje de programación genérico. Ese tipo de mentalidad generalmente se refuerza a sí mismo (Python es popular en la academia, los académicos usan Python porque es popular allí, y así sucesivamente).
Es posible que Ruby se desarrolle con el tiempo para ser tan popular o más de lo que Python es hoy para esta aplicación. Pero para que esto suceda, algunos nombres importantes tienen que surgir y contribuir con algo tan masivo y significativo como NumPy o SciPy, y eso requerirá mucho tiempo y esfuerzo (como lo hizo para Python).
- En la era del aprendizaje automático, IA, big data, etc., ¿qué tan útil es estudiar campos ya maduros como CS teóricas y bases de datos relacionales a nivel de posgrado, y luego pasar a la industria del software?
- Como soy débil en matemáticas, ¿puedo seguir la maestría en ciencia de datos?
- ¿Vale la pena tomar el curso para desarrolladores de Big Data Hadoop de simplilearn.com?
- ¿Todavía vale la pena hacer MS en aprendizaje automático clásico o minería de datos sin un módulo en profundidad sobre aprendizaje profundo que está en tendencia?
- ¿Cuáles son los nuevos recursos de big data?