然后是 R 和 Python，它们都拥有非常强大的社区、强大的生态系统，提供了很多功能，典型的建模技术会首先在 R 和 Python 中出现，然后可能在几年后在 SAS 中出现。展望未来，R 和 Python 显然是未来要使用的工具，因为它们提供了许多生态系统，它们提供了很大的灵活性，更重要的是，您不需要在采购这些工具上投入大量资金。如果你是重新开始，我想说，除非你非常确定你想在银行业工作，或者你在银行工作，并且你想提升自己进入分析团队，否则我会说 R 和 Python 是最 加纳手机号码列表 佳选择，SAS，如果你非常清楚你的行业以及你想去的公司。现在，在 R 和 Python 中，如果您有统计学背景，那么 R 显然会成为自然的选择，因为传统上已经进行了大量研究；如果您有编码背景，那么 Python 会成为更简单的选择，因为如果您有面向对象编程背景并且可以轻松掌握它，那么学习速度会更快。
，因为我认为它提供了可用于生产的环境。它提供了 Web 开发平台与机器学习平台之间的集成，特别是当您在 Web 上构建产品时。最近有很多深度学习框架和工作都是在 Python 而不是 R 上进行的。我个人更喜欢 Python，但它们在功能方面都提供了非常丰富的生态系统。这就是简短的回答。
Shweta Gupta：最后，如果您能谈谈会议的话，那么我们就可以开始提问了，因为我看到您在 11 月举办的会议上提出了一些非常有趣的话题。您能给我们讲讲吗？
Kunal：是的，我们非常高兴能在 11 月举办这次会议。对于那些不知道它将于 11 月 9 日至 11 月 11 日在班加罗尔 MLR 会议中心举行的人来说，这是一次很棒的经历。举办这次会议的想法是我自己参加过多个会议，很多时候，这些会议最终都非常注重商业。作为一名从业者，我发现它的价值真的很少。通常情况下，如果在会议结束时，你发现三个会议让你学到了新东西，那么这是一个很好的选择。这就是我看到的大多数会议。他们会在 50,000 英尺的高空谈论分析，你会看到类似的用例被分享，这就是我们所说的，我们应该创建一个非常注重实践者的会议，专注于从事数据科学并想要了解各种工具、各种技术和各种实践和数据科学的人。你会发现整个会议都是以这种方式形成的。参加课程的任何人都是实践数据科学家，或者他们领导着一个数据科学家团队，并且他们已经从事数据科学很长时间了。您会发现来自印度、来自世界各地的顶尖数据科学家。