<div dir="ltr">><span style="font-family:arial,sans-serif;font-size:13px"> - machine learning<br></span><br>I know Dan King did a bit with machine learning in Racket a while ago, but I have no clue what state its in:<br>
<br><a href="https://github.com/danking/racket-ml">https://github.com/danking/racket-ml</a><br></div><div class="gmail_extra"><br><br><div class="gmail_quote">On Tue, May 13, 2014 at 10:35 AM, Konrad Hinsen <span dir="ltr"><<a href="mailto:konrad.hinsen@fastmail.net" target="_blank">konrad.hinsen@fastmail.net</a>></span> wrote:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div class="">Stephen Chang writes:<br>
<br>
 > > That said, it's interesting to look at why Python became such a<br>
 > > popular language in science.<br>
 ><br>
 > Coincidentally, I just read this article:<br>
 > <a href="http://www.talyarkoni.org/blog/2013/11/18/the-homogenization-of-scientific-computing-or-why-python-is-steadily-eating-other-languages-lunch/" target="_blank">http://www.talyarkoni.org/blog/2013/11/18/the-homogenization-of-scientific-computing-or-why-python-is-steadily-eating-other-languages-lunch/</a><br>

 ><br>
 > Not sure if this is your experience, but from the article and<br>
 > comments, the summary seems to be that python is not great for any<br>
 > one task but "wins" because it enables you to do a bunch of tasks<br>
 > in the same language.<br>
<br>
</div>That's an important aspect today, but one that appeared only after<br>
Python became popular in many domains of computational science.  Today<br>
there is a Python library for just about every domain of computational<br>
science, so yes, Python lets you do nearly everything.<br>
<div class=""><br>
 > Interestingly, it seems that Racket can do everything in the<br>
 > article's list as well.<br>
<br>
</div>I have doubts about some points on that list:<br>
<br>
  - neuroimaging data analysis<br>
  - statistical analysis<br>
  - machine learning<br>
<br>
If there are Racket libraries for any of those, I'd like to hear about<br>
them.  There is some statistical stuff in the math library, but a<br>
modern data scientist needs a lot more than that. Plus libraries to<br>
read and write common data formats, which are missing from that<br>
article's list, probably because the author took them for granted.<br>
<br>
<br>
I see Racket's strength for scientific computing in a very different<br>
aspect: the possibility to define languages tailor-made for expressing<br>
computational models in some application domain. Scientists generally<br>
don't want to "write programs", and when they do, the results are<br>
often not pretty. I'd like to have scientists do science and<br>
programmers write programs. Racket could become the meeting point for<br>
the two professions.<br>
<div class="HOEnZb"><div class="h5"><br>
Konrad.<br>
<br>
____________________<br>
  Racket Users list:<br>
  <a href="http://lists.racket-lang.org/users" target="_blank">http://lists.racket-lang.org/users</a><br>
</div></div></blockquote></div><br></div>