¿Enseñar clases de programación en Python y R es una buena idea para los negocios?

Answer 1

No estoy seguro de si sería lo suficientemente valioso para la mayoría de las empresas. La mayoría ya usa algún lenguaje de programación para todos sus proyectos internos y básicamente pueden hacer lo mismo que R, pero con un poco más de código y bibliotecas adicionales.

La mayoría de las empresas solo trabajan con cosas simples como documentos, hojas de cálculo y presentaciones, a menudo combinadas con aplicaciones personalizadas y un servidor de base de datos. En el pasado, la mayoría de las empresas tenían un tercero para desarrollar alguna aplicación útil para ellos y eso a menudo resultaba en algún ejecutable escrito en C ++, Delphi o incluso Visual Basic. Ocasionalmente, un applet de Java y raramente otros lenguajes de programación. Con .NET, PHP y la creciente popularidad de Internet, las aplicaciones web se han hecho cargo. Entonces, a las empresas les gusta mover todo en línea para que no haya conflictos de versiones entre el software para varias oficinas. O incluso para múltiples usuarios.

Entonces, ¿R los ayudaría con esto? Bueno, en pequeña medida si pueden integrar el código R con otros lenguajes de desarrollo. Afortunadamente, los objetos R se pueden invocar desde C, C ++, Java, .NET y Python, por lo que tiene un uso práctico. Pero le aconsejaría que también se concentre en esos lenguajes al lado de R para que sepa qué deben hacer los desarrolladores cuando necesiten integrar sus objetos R en su código, de lo contrario, simplemente escriben sus propias versiones en lo que prefieran y no tendrían ¡un trabajo!

No te tomará mucho tiempo aprender R de todos modos. Es decir, si ya eres un programador experimentado.

Answer 2

De hecho, enseñar Estadística con R y Python en lugar de SPSS y Stata podría ayudar a los graduados potenciales en el empleo específico de Data Science o las empresas que emplean la ciencia de datos para la analítica. De lo contrario, el uso de Stata y SPSS puede hacer el trabajo fácilmente cuando los empleadores se preocupan principalmente por los comentarios y no por las herramientas utilizadas para el análisis.