3. R один из 10 (!) языков, которые поддерживают матричную парадигму, которая векторизирует вычисления, за счет чего достигается высокая скорость обработки.
4. Субъективно, но сомневаюсь, что передовые компании, которые работают с реально BIGdata (Facebook, Google, Twiter) отдали бы предпочтение «медленному» языку.
Специфичность. R прекрасно подходит для статистических исследований и науки о данных, но он не так хорош, когда дело доходит до программирования для общих целей.
Почему это не указано как недостаток в Julia, а даже наоборот — преимущество? С такой же долей допущений, как для Julia, R может использоваться для общих целей, особенно после внедрения поддержки R на .NET и MS SQL.
Другие особенности. R имеет несколько необычных особенностей, которые могут сбить с толку программистов, привыкших работать с другими ЯП: индексирование начинается с 1, использование нескольких операторов присваивания, нетрадиционные структуры данных.
Каждый язык имеет свои особенности, не так ли? Именно по этому программисты их должны изучить при переходе на любой язык. Почему не указано как минусы в других языках.
Описание других языков:
Python очень прост в изучении. Низкий порог вхождения делает его идеальным первым языком для тех, кто занимается программированием.
Базовый интрадакшн для абсолютно новых сотрудников по R у меня проходит за 3 сессии по 2 часа. После этого они уже могут выполнять 70% основных операций. Безусловно это люди, которые хорошо понимают аналитическую часть, но не работали в R, т.е. знаю что делать, нужно только понять как это делать в R.
Используя Scala и Spark, у вас появляется возможность работать с высокопроизводительными кластерными вычислениями. Scala – это идеальный выбор для тех, кто работает с большими объемами данных.
Microsoft R Server + Hadoop готов поспорить за первое место в «идеальном выборе», но преимущество, почему-то указано только в Scala
Мультипарадигматический. Для программистов, работающих со Scala, доступны как объектно-ориентированные, так и функциональные парадигмы программирования.
R поддерживает 7 парадигм, но опять плюсик достался только Scala
MATLAB часто можно встретить во многих курсах бакалавриата по точным наукам, таким как физика, инженерия и прикладная математика. Таким образом, он широко используется в этих областях.
Я знаю какой язык может поспорить за первое место по популярности в академическом направлении, но Вы уже догадались, правда? :)
Мне вот интересно, почему там мало людей пользуется over...partition by? Эта конструкция ведь дает намного больше возможностей, более наглядна и универсальна
Мой вопрос был о зп для комфортного уровня жизни, а не о сравнении зп в ИТ.
Из того, что я находил во многих разных источниках, складывается картина, что средний класс Чехии живёт на 35к, высококвалифицированные профессии типа докторов — это будет около 50к. ИТ в районе 70-100к по рынку.
Вот по моим личным субъективным расчетам ну никак 50-60к на средний класс не дотягивает, с условными арендой, едой, машинной, отпуском и тд и тп.
Поэтому я и задал вопрос — субъективно по ощущениям человека реально живущего в Праге, какой уровень gross ЗП должен быть комфортным не для ИТ, а для жизни :)
Я понимаю, что все зависит от личных предпочтений и желаний, но всё же, подскажите по вашим ощущением комфортный для жизни уровень доходов gross для Праги?
Мне предлагают реллокейт, и я уже перешерстил весь интернет, но у меня никак не сходятся бюджеты. Если почитать, то в основном пишут, что средний уровень 30-35к крон это вроде норм. Но по моим расчетам получается примерно отдать 20к на аренду, 5к на еду, побытки, интернет, мобильный, транспорт, вещи и тд и тп — в итоге и значительно большей суммы оффера хватает очень впритык. Где же правда?)
Этот миф уже пару лет как развенчан, при чем реальным опытом:
1. Сотрудники, которые освобождаются от рутинных процессов в основном переходят на другие задачи, т.к. очень мало людей, у которых все 100% времени уходит на однотипную работу (не механическую)
2. Развитие ИИ порождает дополнительный спрос и рабочие места в целом ряде связанных областей
Похоже у вас что-то не так с Confusion Matrix…
Для настолько несбалансированного класса целевая метрика выглядит, мягко-говоря, не очень. Фактически, из интересуемых 28 подозрительных файлов модель ошиблась более чем в половине случаев — 15. полезность вызывает сомнения :)
Вы живете в розовом мире :)
Масштабы проблемы на столько большие, что в UK есть целое движение игроков, которое пытается на законодательном уровне запретить такие вещи букмекерам
Буки имеют полный картбланш — кроме самой игры они могут резать ставки, отменять исходы, банить игроков, рубить часть вилки и еще много-много чего для борьбы с теми, кто начинает выигрывать.
Может ли ИИ давать прогнозы качественее, чем даже профессиональные игроки? — Скорее всего да. Может ли ИИ обыграть букмекера? — 100% нет
Описанные недостатки:
1. Будучи интерпретируемым языком, как и во всех остальных, скорость выполнения зависит от качества написания кода.
2. Безусловно, все сравнения «скорости» языков субъективные, но вот, например, тесты R и Python, в котором R выигрывает, почему тогда этот «минус» не указан в Python?
alstatr.blogspot.com/2014/01/python-and-r-is-python-really-faster.html
3. R один из 10 (!) языков, которые поддерживают матричную парадигму, которая векторизирует вычисления, за счет чего достигается высокая скорость обработки.
4. Субъективно, но сомневаюсь, что передовые компании, которые работают с реально BIGdata (Facebook, Google, Twiter) отдали бы предпочтение «медленному» языку.
Почему это не указано как недостаток в Julia, а даже наоборот — преимущество? С такой же долей допущений, как для Julia, R может использоваться для общих целей, особенно после внедрения поддержки R на .NET и MS SQL.
Каждый язык имеет свои особенности, не так ли? Именно по этому программисты их должны изучить при переходе на любой язык. Почему не указано как минусы в других языках.
Описание других языков:
Базовый интрадакшн для абсолютно новых сотрудников по R у меня проходит за 3 сессии по 2 часа. После этого они уже могут выполнять 70% основных операций. Безусловно это люди, которые хорошо понимают аналитическую часть, но не работали в R, т.е. знаю что делать, нужно только понять как это делать в R.
Microsoft R Server + Hadoop готов поспорить за первое место в «идеальном выборе», но преимущество, почему-то указано только в Scala
R поддерживает 7 парадигм, но опять плюсик достался только Scala
Я знаю какой язык может поспорить за первое место по популярности в академическом направлении, но Вы уже догадались, правда? :)
И в заключение — прекрасная инфографика сравнения R и Python:
www.datacamp.com/community/tutorials/r-or-python-for-data-analysis#gs.7lvATjw
Но такая зп по идее почти полностью должна уходить на аренду или ипотеку.
Я вот 90к грязными кое-как "в ноль" расписываю на двоих человек...
Я знаю этот калькулятор, вопрос то у меня изначально был совсем другой…
Если не секрет, какая позиция и зп net?
Я похоже реально запутал)
Мой оффер — 90к гросс, около 60 net получается.
Может я немного запутал цифрами) Офер 90к gross
Мой вопрос был о зп для комфортного уровня жизни, а не о сравнении зп в ИТ.
Из того, что я находил во многих разных источниках, складывается картина, что средний класс Чехии живёт на 35к, высококвалифицированные профессии типа докторов — это будет около 50к. ИТ в районе 70-100к по рынку.
Вот по моим личным субъективным расчетам ну никак 50-60к на средний класс не дотягивает, с условными арендой, едой, машинной, отпуском и тд и тп.
Поэтому я и задал вопрос — субъективно по ощущениям человека реально живущего в Праге, какой уровень gross ЗП должен быть комфортным не для ИТ, а для жизни :)
Я понимаю, что все зависит от личных предпочтений и желаний, но всё же, подскажите по вашим ощущением комфортный для жизни уровень доходов gross для Праги?
Мне предлагают реллокейт, и я уже перешерстил весь интернет, но у меня никак не сходятся бюджеты. Если почитать, то в основном пишут, что средний уровень 30-35к крон это вроде норм. Но по моим расчетам получается примерно отдать 20к на аренду, 5к на еду, побытки, интернет, мобильный, транспорт, вещи и тд и тп — в итоге и значительно большей суммы оффера хватает очень впритык. Где же правда?)
Заранее большое спасибо за ответ!
1. Сотрудники, которые освобождаются от рутинных процессов в основном переходят на другие задачи, т.к. очень мало людей, у которых все 100% времени уходит на однотипную работу (не механическую)
2. Развитие ИИ порождает дополнительный спрос и рабочие места в целом ряде связанных областей
Для настолько несбалансированного класса целевая метрика выглядит, мягко-говоря, не очень. Фактически, из интересуемых 28 подозрительных файлов модель ошиблась более чем в половине случаев — 15. полезность вызывает сомнения :)
Масштабы проблемы на столько большие, что в UK есть целое движение игроков, которое пытается на законодательном уровне запретить такие вещи букмекерам
Может ли ИИ давать прогнозы качественее, чем даже профессиональные игроки? — Скорее всего да. Может ли ИИ обыграть букмекера? — 100% нет