Сохранен 19
https://2ch.hk/pr/res/608079.html
Прошлые домены не функционирует! Используйте адрес ARHIVACH.VC.
24 декабря 2023 г. Архивач восстановлен после серьёзной аварии. К сожалению, значительная часть сохранённых изображений и видео была потеряна. Подробности случившегося. Мы призываем всех неравнодушных помочь нам с восстановлением утраченного контента!

Из Java-господ в Data Science

 Аноним 20/12/15 Вск 14:34:17 #1 №608079 
14506112575600.jpg
господа,
как думаете, возможен ли переход из Java в область Data Science и стоит ли игра свеч

алсо реквестирую годных советов с чего начать и как лучше прокачиваться в данной области
Аноним 20/12/15 Вск 14:40:51 #2 №608080 
Рекомендую начать со скалы и лекций яндекса по статистике.
Аноним 20/12/15 Вск 15:14:41 #3 №608098 
>>608080
эти?
https://yandexdataschool.ru/edu-process/courses/probability
Аноним 20/12/15 Вск 15:14:47 #4 №608099 
>>608079 (OP)
Вот эта книга хороша: https://www.manning.com/books/big-data
Аноним 20/12/15 Вск 15:57:11 #5 №608130 
>>608099
благодарю, схоронил
Аноним 20/12/15 Вск 16:28:50 #6 №608143 
>>608079 (OP)
Не, в пизду. Там формулы всякие надо учить, теоремы, сплошной академизм. А академическое программирование, если ты не занимаешься этим с института - петушиное дело. На дваче будут обоссывать.
Аноним 20/12/15 Вск 20:56:24 #7 №608339 
Все используют R или питон, так как это самые подходящие инструменты для статистических/математических вычислений и построения графов.
Аноним 20/12/15 Вск 21:32:20 #8 №608381 
>>608079 (OP)
Да, более того, почти все промышленные big-data фреймворки написаны на джаве.
Аноним 20/12/15 Вск 21:33:08 #9 №608382 
>>608339
Для прототипов да.
А когда нужно деплоить систему, которая будет делать анализ больших объёмов данных в реальном времени, то выбирают инфраструктуру, основанную на JVM.
Аноним 20/12/15 Вск 21:47:41 #10 №608392 
>>608382
Это разные профессии - делать прототипы в R и реализовывать их.
Аноним 20/12/15 Вск 21:53:52 #11 №608395 
>>608392
Так, вот автор очевидно хочет вкатиться во второе, т.е. то что называется Big Data Engineering. Поэтому я и посоветовал книгу Натана Марца.
Аноним 20/12/15 Вск 22:19:00 #12 №608412 
>>608395
Но ведь Data Science != Data engineering.
Аноним 20/12/15 Вск 22:27:03 #13 №608424 
>>608412
Это так, но люди часто путают.
Аноним 21/12/15 Пнд 00:57:27 #14 №608559 
>>608382
Вариант - ебашить на Хаскелле. Выразительность - как на R, производительность - как на JVM. Минусы - если раньше у вас была одна проблема - предметная область Data Science, то теперь у вас композиция проблем - предметная Data Science, помноженная на предметную область Functional Programming.
Аноним 21/12/15 Пнд 01:03:44 #15 №608564 
>>608559
>Выразительность - как на R
Диван не палится.
Аноним 21/12/15 Пнд 01:50:23 #16 №608594 
>>608559
>Выразительность - как на R
У R хорошая выразительность только за счёт кучи библиотек с именами функций из 2-3 символов и синтаксиса, заточенного под матешу. Как ЯП он полное говно
Аноним 21/12/15 Пнд 02:40:58 #17 №608600 
>>608559
R выбирают не за выразительность (которой считай нет), а за тонны либ + очень неплохую стандартную библиотеку, чего у хаскеля, увы, нет. По этой же причине массово на julia не переходят.
Аноним 21/12/15 Пнд 03:04:23 #18 №608603 
>>608564
>>608594
>>608600
Вас затралили как детей.
Аноним 21/12/15 Пнд 03:11:28 #19 №608604 
>>608603
Меня этим затраллили 5 лет назад. Я честно пытался делать на хаскеле то, что делаю на матлабе. Хули там, вектор фьюжен-хуюжен, операторы-хуяператоры. Однако не выходит каменный цветок. Хотя haskell school of expression - это лучшее вложение времени.
comments powered by Disqus