Serie temporal: lenguajes de programación

Una comprensión básica de cualquier lenguaje de programación es esencial para que un usuario trabaje o desarrolle problemas de aprendizaje automático. A continuación se proporciona una lista de lenguajes de programación preferidos para cualquiera que quiera trabajar en el aprendizaje automático:

Pitón

Es un lenguaje de programación interpretado de alto nivel, rápido y fácil de codificar. Python puede seguir paradigmas de programación orientada a objetos o procedimentales. La presencia de una variedad de bibliotecas simplifica la implementación de procedimientos complicados. En este tutorial, codificaremos en Python y las bibliotecas correspondientes útiles para el modelado de series de tiempo se discutirán en los próximos capítulos.

R

Al igual que Python, R es un lenguaje multi-paradigma interpretado, que admite gráficos y computación estadística. La variedad de paquetes facilita la implementación del modelado de aprendizaje automático en R.

Java

Es un lenguaje de programación orientado a objetos interpretado, que es ampliamente famoso por una amplia gama de disponibilidad de paquetes y técnicas sofisticadas de visualización de datos.

C / C ++

Estos son lenguajes compilados y dos de los lenguajes de programación más antiguos. A menudo, se prefieren estos lenguajes para incorporar capacidades de aprendizaje automático en las aplicaciones ya existentes, ya que le permiten personalizar la implementación de algoritmos de aprendizaje automático fácilmente.

MATLAB

MATrix LABoratory es un lenguaje multi-paradigma que da funcionamiento para trabajar con matrices. Permite operaciones matemáticas para problemas complejos. Se utiliza principalmente para operaciones numéricas, pero algunos paquetes también permiten la simulación gráfica multidominio y el diseño basado en modelos.

Otros lenguajes de programación preferidos para problemas de aprendizaje automático incluyen JavaScript, LISP, Prolog, SQL, Scala, Julia, SAS, etc.