PYTHON JULIA KNIME MATHLAB R

VENTAJA Integra módulos de terceros que le permiten mayor  Diseñado para abordar las necesidades del análisis numérico de Altamente visual Alto rendimiento y R permite seleccionar, recodificar y recuperar
S facilidad al momento de crear código entendible y de alto rendimiento y la ciencia computacional está ganando un despliegue fácil. datos de forma muy veloz.
rápido aprendizaje. rápidamente impulso entre los científicos de datos. destaca por una amplia gama de
funciones: con más de 1000 Lenguaje fácil de aprender. Este lenguaje fue diseñado para ser muy
Código sencillo, elegante y busca ser consistente, permite La biblioteca base escrita en Julia se integró con las mejores módulos y paquetes de específico y exacto en el análisis de datos
que la estructura del lenguaje se asemeje a la estructura que bibliotecas open source C y Fortran para el álgebra lineal,  la aplicaciones preparados. Aprendizaje automático de
implementamos los seres humanos y que este sea leído generación de números aleatorios, el procesamiento de señales y apuntar y hacer clic: Statistics Partiendo de una gran base de paquetes R
como un pseudocódigo. el procesamiento de cadenas  permite descubrir estructuras and Machine Learning permite crear gráficos de alta calidad.
ocultas de datos. Toolbox incluye una app de
Provee herramientas para iteración rápida de datos que clasificación que ofrece una Este lenguaje se utiliza con frecuencia para
favorecen a la concentración de datos y para el desarrollo puesto que permite la integración guía para explorar datos de desbloquear patrones grandes que forman parte
de algoritmos. de numerosos procedimientos de forma interactiva, seleccionar de bloques de datos.
aprendizaje automático y de data funciones, especificar
Múltiples librerías para la ciencia de datos y matemáticas, mining esquemas de validación,
permite empaquetado de librerías sobre las mismas entrenar modelos y evaluar
librerías para que sean más potentes, algunas de las más eficiencia notable en resultados.
usadas son : el tratamiento previo de los
 SciPy es una colección de paquetes para datos así como en su extracción, Ejecución rápida: MATLAB
transformación y carga. dispone de multithreading
matemáticas, ciencias e ingeniería.
integrado que permite un
 Pandas es una biblioteca de análisis y modelado cálculo rápido en equipos
de datos. multinúcleo.
 IPython es un potente shell interactivo que Cálculo paralelo: en el caso de
presenta una fácil edición y grabación de una las tareas con alta carga
sesión de trabajo, y admite visualizaciones y computacional, es posible
computación paralela. ejecutar varios motores de
 El curso de carpintería de software enseña MATLAB en paralelo gracias
a Parallel Computing Toolbox.
habilidades básicas para la computación
Muchas funciones de esta
científica, ejecutar bootcamps y proporcionar toolbox admiten el cálculo
materiales de enseñanza de acceso abierto. paralelo.
Ambientes de desarrollo y entornos de programación en la
nube para desarrollar proyectos de machine learnin, estos
son:
 Google Colaboratory
 Microsoft Azure Notebooks

Python no dispone de buena documentación: algunos R es un lenguaje de sintaxis más lenta. Ya que
programadores se quejan de forma recurrente de la falta de los paquetes o pluggins que se utilizan para
buena documentación en Python, sobre todo comparado trabajar y añadir funcionalidades están
con otros lenguajes de programación, PHP y Java. construidos en una sintaxis diferente como
Fortan y C++ perjudicando en cierta medida el
rendimiento del lenguaje cuando no se trata de
variables estadísticas.

 Adicionalmente diversos expertos consideran

que este lenguaje puede llegar a ser errático
para desarrollar modelos profundos de machine
learning