Читать книгу R für Data Science - Hadley Wickham - Страница 11

In diesem Buch lernen Sie weder etwas über Python, Julia noch irgendeine andere Programmiersprache, die für Data Science geeignet ist. Das hat nichts damit zu tun, dass diese Tools unserer Ansicht nach schlecht sind. Ganz und gar nicht! Und in der Praxis verwenden die meisten Data-Science-Teams eine Mischung von Sprachen, oftmals mindestens R und Python.

Allerdings sind wir überzeugt davon, dass es am besten ist, immer nur ein Tool auf einmal beherrschen zu lernen. Sie werden schneller besser, wenn Sie tief in die Materie eindringen, als wenn Sie sich mit Vielem nur oberflächlich beschäftigen. Das heißt nicht, dass Sie ausschließlich eine Sache kennen sollten, sondern lediglich, dass Sie im Allgemeinen schneller lernen, wenn Sie jeweils nur bei einem Thema bleiben. Streben Sie auf jeden Fall danach, in Ihrer Laufbahn Neues zu lernen, doch stellen Sie sicher, dass Sie ein solides Verständnis haben, bevor Sie sich dem nächsten interessanten Komplex zuwenden.

R ist unserer Ansicht nach ein großartiger Ausgangspunkt für Ihre Data-Science-Tour, weil es eine Umgebung ist, die von Grund auf für die Unterstützung von Data Science konzipiert wurde. R ist nicht einfach eine Programmiersprache, sondern eine interaktive Umgebung für die Beschäftigung mit Data Science. Um Interaktion zu unterstützen, ist R eine wesentlich flexiblere Sprache als viele ihrer Peers. Diese Flexibilität hat auch ihre Nachteile, doch der große Vorteil ist, wie leicht sich zugeschnittene Grammatiken für spezifische Teile des Data-Science-Prozesses entwickeln lassen. Diese Minisprachen helfen Ihnen dabei, über Probleme als Data Scientist nachzudenken, während die flüssige Interaktion zwischen Ihrem Gehirn und dem Computer unterstützt wird.