В матлабе проблема не с циклами, а со своими типами и с постоянным копированием массивов.  У меня функции с циклами работают не намного медленнее каких-нибудь встроенных частотных фильтров. Еще не очень нравится необходимость писать то фигурные, то обычные скобки, но это не так критично, как первое.

Чтобы не быть голословным, вот пример, где без ду-колл никак https://github.com/statist-bhfz/grideR/blob/master/R/fit_funs.R

А в чем проблема с типами?

В своих задачах я чаще с циклами борюсь: или переписываю через матричные операции, или на C++.

Вы правы, я же не спорю с необходимость существования do.call - очень полезный инструмент. Но к примеру тут: https://github.com/cran/pairwiseCI/blob/master/R/Prop.diff.R код читаем прекрасно, но зачем было создавать args если можно было сразу выполнить вызов функции с имеющимися аргументами...

Может, это только мне, воспитанному на Паскале и Си, было трудно поначалу понять векторизацию. Мне до сих пор проще в терминах циклов мыслить

А в Julia векторные операции быстродействия добавляют?

Циклы там нормально пашут, после того как JIT подвезли. А вот с типами проблема - нельзя переопределять оператор скобок, например, для своего типа массива - производительность падает на порядки со своим оператором. И вообще нет указателей на данные, поэтому если надо менять что-то внутри функций без полного копирования, можно только внутрь handle классов запихивать.

могут и снижать, если у вас там аллоцируется промежуточный результат

В целом если нормально все писать, то одинаковы по быстродействию с циклами, но есть тонкие места

Еще там есть замечательный broadcast fusion

Да, там и просто вызовы методов с некоторыми просадками по производительности работают.

Ну, в разных версиях по-разному: https://stackoverflow.com/questions/1693429/is-matlab-oop-slow-or-am-i-doing-something-wrong

Ок. К счастью, у меня нет работы с ООП непосредственно в вычислениях. А инфраструктура и UI работают достаточно быстро.

Скорее всего в какой-нибудь matrix можно настроить транспорт сообщений из разных месенджеров.

всем привет

Кто-нибудь знает, как решать такую задачку из области SVD / ICA / BSS:
Есть 9 источников и 8 сигналов, причём матрица замешивания 9x8 точно известна. Как восстановить 9 источников по 8 сигналам? Если брать псевдообратную матрицу от матрицы замешивания, то она аппроксимирует так, что в 9 источников замешаны лишние компоненты - см. картинку ниже.
Если брать SVD/ICA, то как ему задать ограничение в виде известной матрица замешивания, так чтобы он просто подобрал статистически независимый девятый сигнал?

Интересно, берет ли кто нибудь эти курсы от Julia computing, цены какие-то совершенно конские )

это курсы с тренером, онлайн там просто бесплатные видео с ноутбуками