Séries Temporais - Linguagens de Programação

Uma compreensão básica de qualquer linguagem de programação é essencial para um usuário trabalhar ou desenvolver problemas de aprendizado de máquina. Uma lista de linguagens de programação preferidas para quem deseja trabalhar com aprendizado de máquina é fornecida abaixo -

Pitão

É uma linguagem de programação interpretada de alto nível, rápida e fácil de codificar. Python pode seguir paradigmas de programação procedural ou orientada a objetos. A presença de uma variedade de bibliotecas torna a implementação de procedimentos complicados mais simples. Neste tutorial, estaremos codificando em Python e as bibliotecas correspondentes úteis para modelagem de séries temporais serão discutidas nos próximos capítulos.

R

Semelhante ao Python, R é uma linguagem multiparadigma interpretada, que suporta computação estatística e gráficos. A variedade de pacotes torna mais fácil implementar a modelagem de aprendizado de máquina em R.

Java

É uma linguagem de programação orientada a objetos interpretada, que é amplamente conhecida por uma grande variedade de disponibilidade de pacotes e técnicas sofisticadas de visualização de dados.

C / C ++

Estas são linguagens compiladas e duas das linguagens de programação mais antigas. Essas linguagens costumam ser preferidas para incorporar recursos de ML nos aplicativos já existentes, pois permitem personalizar facilmente a implementação de algoritmos de ML.

MATLAB

MATrix LABoratory é uma linguagem multiparadigma que dá funcionamento para trabalhar com matrizes. Ele permite operações matemáticas para problemas complexos. É usado principalmente para operações numéricas, mas alguns pacotes também permitem a simulação gráfica multi-domínio e design baseado em modelo.

Outras linguagens de programação preferidas para problemas de aprendizado de máquina incluem JavaScript, LISP, Prolog, SQL, Scala, Julia, SAS etc.