اقرأ في هذا المقال
عند تحليل البيانات يتم اعتماد لغة البرمجة (R) وذلك لأنّ (R) تنشئ رسومًا بيانية خالية من الأخطاء وجاهزة لنشر المرئيات ولذلك يتم استخدام (R) على نطاق واسع في علم البيانات وتحليل البيانات.
ما هي عيوب استخدام برمجية R في علم البيانات
- لدى (R) منحنى تعليمي حاد، حيث أنّ بناء جملة (R) مختلف تمامًا وبالتالي يمثل تحديًا طفيفًا للتعلم مقارنة ببايثون.
- لا تقدم (R) تدابير أمان أساسية ضرورية لتطبيقات الويب الخاصة بالإنتاج.
- أداء (R) أبطأ من (Python) أو (MATLAB)، وهو يعمل على إدارة الذاكرة أي أنّ (R) تتطلب الكثير من الذاكرة.
- إنّها لغة معقدة، حيث إنّها اللغة الأنسب للأشخاص الذين لديهم خبرة سابقة في البرمجة.
- إنها ليست آمنة، وليس لدى (R) إجراءات أمنية أساسية وبالتالي فهي ليست اختيارًا جيدًا لإنشاء تطبيقات آمنة على الويب، وأيضًا لا يمكن تضمين (R) في متصفحات الويب.
- ليس لديها وثائق أو جودة حزمة متسقة، حيث يمكن أن تكون المستندات والحزم غير مكتملة وغير متسقة أو غير كاملة وهذا هو الثمن الذي تدفعه مقابل لغة لا تحتوي على دعم رسمي مخصص وبدلاً من ذلك يتم الحفاظ عليها وإضافتها من قبل المجتمع.
تحديات استخدام برمجية R في علم البيانات
1. أصل ضعيف
تشترك (R) في أصلها مع لغة برمجة أقدم بكثير وهي (S)، وهذا يعني أنّ الحزمة الأساسية لا تقوم وتساند الرسومات الديناميكية أو ثلاثية الأبعاد، ومع الحزم الشائعة لـ (R) مثل: (Ggplot2) و(Plotly) من الممكن إنشاء رسومات ديناميكية وثلاثية الأبعاد وكذلك رسوم متحركة.
2. معالجة البيانات
في (R) تخزن الذاكرة الفعلية الأشياء، وهذا على عكس لغات أخرى مثل بايثون وعلاوةً على ذلك يستخدم (R) ذاكرة أكبر مقارنة ببايثون، وأيضًا تتطلب (R) البيانات الكاملة في مكان واحد أي في الذاكرة، لذلك فهو ليس خيارًا مثاليًا عند التعامل مع البيانات الضخمة ومع ذلك مع إمكانية حزم إدارة البيانات والتكامل مع (Hadoop) يمكن تغطية ذلك بسهولة.
