danke für die ausführliche Kommentierung. Python findest Du "mies". Ok. Ich habe aber noch nicht verstanden, was denn jetzt die Alternative sein soll. Wie sollen denn deiner Meinung nach typische wissenschaftlich-ingenieurmäßige Aufgabe gelöst werden: - Datenplotten: interaktive publikationsfähige Plot-Erstellung mit Funktionen wie Lasso-Selection, semi-log, contour-plots, subplots, shared axis, ... (-> matplotlib) - curve-fitting (-> numpy, scipy) - matrix-support (-> pandas) - hdf5-Support (-> h5py) - model fitting, neuronale Netze (-> scikit-learn, Tensorflow) - Schnittstellen zu numerische-wissenschaftlichen Softwarepaketen wie Abaqus, Ansys, Labview, ... Mit Python also kein Problem.
PHP oder Java helfen da ja wohl nicht weiter. Sicherlich wird es für jede dieser Aufgaben eine tolle Spezialsoftware zu kaufen geben (vermutlich nur für Windows). In der Forschung stehen dafür aber i.d.R. keine Mittel zur Verfügung. Und schon gar nicht für die Anstellung eines Programmierers.
Wenn alles gut läuft (ziemlich optimistisch, da sich seit den 60ern meist das Schlechteste durchsetzt), erledigt sich das Problem größtenteils von selbst und die Leute die "technical computing", "literal computing" usw. machen werden mit Julia ins Licht gezerrt werden. Neuronale Netze gehen fast mit allen Plattformen, z.B. auch TensorFlow. Und was die Gelder angeht: Die sind wohl da, nur nicht sonderlich gut priorisiert. Man muss sich nur mal anschauen wie spendabel diverse Institute bei diversen Softwarelizenzen sind.
Man muss sich nur mal anschauen wie spendabel diverse Institute bei diversen Softwarelizenzen sind
Ja. Das ist in der Tat ein grundsätzliches Problem. Die mit öffentlichen Mitteln geförderten Forschungsergebnisse werden oft nur mit proprietäre Software generiert und sind auch oft nur mit dieser nutzbar. Die Benutzung offener Standards in der Forschung aber auch in Verwaltung und Lehre sollte zwingend vorgeschrieben werden. Aus Erfahrung kann ich aber berichten, dass es bei den Rechenzentren und den Verantwortlichen der Universitäten große Widerstände gibt. Man will die Verantwortlichkeiten für Wartung und Pflege lieber extern auslagern (Bsp.: Bei uns wird trotz massiver Proteste derzeit das Mail- und PIM-System von Linux zu MS-Exchange migriert).
Mit der "Julia-Language" hatte ich noch nie zu tun. Das Motto klingt aber gut: "Walks like Python. Runs like C."
danke für die ausführliche Kommentierung. Python findest Du "mies". Ok. Ich habe aber noch nicht verstanden, was denn jetzt die Alternative sein soll. Wie sollen denn deiner Meinung nach typische wissenschaftlich-ingenieurmäßige Aufgabe gelöst werden:
- Datenplotten: interaktive publikationsfähige Plot-Erstellung mit Funktionen wie Lasso-Selection, semi-log, contour-plots, subplots, shared axis, ... (-> matplotlib)
- curve-fitting (-> numpy, scipy)
- matrix-support (-> pandas)
- hdf5-Support (-> h5py)
- model fitting, neuronale Netze (-> scikit-learn, Tensorflow)
- Schnittstellen zu numerische-wissenschaftlichen Softwarepaketen wie Abaqus, Ansys, Labview, ...
Mit Python also kein Problem.
PHP oder Java helfen da ja wohl nicht weiter. Sicherlich wird es für jede dieser Aufgaben eine tolle Spezialsoftware zu kaufen geben (vermutlich nur für Windows). In der Forschung stehen dafür aber i.d.R. keine Mittel zur Verfügung. Und schon gar nicht für die Anstellung eines Programmierers.
Wenn alles gut läuft (ziemlich optimistisch, da sich seit den 60ern meist das Schlechteste durchsetzt), erledigt sich das Problem größtenteils von selbst und die Leute die "technical computing", "literal computing" usw. machen werden mit Julia ins Licht gezerrt werden.
Neuronale Netze gehen fast mit allen Plattformen, z.B. auch TensorFlow.
Und was die Gelder angeht: Die sind wohl da, nur nicht sonderlich gut priorisiert. Man muss sich nur mal anschauen wie spendabel diverse Institute bei diversen Softwarelizenzen sind.
Mit der "Julia-Language" hatte ich noch nie zu tun. Das Motto klingt aber gut: "Walks like Python. Runs like C."