Días tras días los datos crecen más y más, pero necesitan ser analizados, a punto de ser llamadas a las personas que saben hacerlo como las personas más sexy del siglo XXI. Al parecer todos queremos ser los más sexy del siglo XXI, por lo tanto los que se han subido a la ola están trabajando para que otras personas logren parecer sexy.
En el ambiente han aparecido un gran número de lenguajes para extraer, analizar y sacar oro de los datos. Recordemos los que ya llevan años y pareciera que se crearon para esta tendencia, el majestuoso e invencible maestro de las estadísticas lenguaje R, luego Python que nació para enseñar a programar nada más, ahora parece querer dominar al mundo y específicamente lo está logrando con el análisis de datos. Otros quieren evangelizar a Java y por último al omnipresente Javascript, que ya empieza a crear bibliotecas para aprendizaje de máquinas pero que ya lleva un rato como la cereza del pastel por su alta capacidad para generar cuadros y gráficos dinámicos. Tampoco podemos olvidarnos del más nuevo Julia, la tierra prometida para los que vienen de las ingenierías y las matemáticas.
En el internet existe toda una discusión acerca de qué lenguaje aprender para ciencias de datos. Cada uno tiene sus propias ventajas como desventajas. Puedes preguntarle a San Google y de seguro no terminas de leer acerca de estas cosas sin quedar más indeciso. Entonces, una recomendación válida sería aprender de todos un poco y aprovechar lo mejor de cada uno.
Ante esta necesidad o por accidente existen como solución los Jupyter Notebooks de Python, que primeramente se crearon para facilitar el intercambio de resultados en ciencias de datos con este lenguaje Python. Llegó la innovación para que los Notebooks también pudieran ejecutar códigos de otros lenguajes por medio de la instalación de kernels. En un Jupyter Notebook ahora podemos ejecutar líneas de R junto con Python. También se puede utilizar Julia y Javascript, y se sigue trabajando para perfeccionar la ejecución de Sql, Spark, matlab, stata, y muchos otros más.
Jupyter Notebooks es todo un políglota y nos facilita por mucho aprovechar las ventajas de cada lenguaje de programación. Pero yo veía ciertos problemas a nivel personal que me hacían dejar por un lado los Jupyter Notebooks:
1. Todo se almacena en json "Notación de Objetos de Javascript". Lo que dificulta el uso de git. No es sencillo el control de versiones, se necesita saber Javascript y tener muchísima paciencia. En caso de corrupción del archivo un texto plano en el lenguaje utilizado (R, Python, Julia, etc) es más fácil de reparar que centenares de lineas json.
2. No permite la creación y edición de Scripts. Es decir es muy cerrado a su formato ipynb de notebook. Existen análisis tan extensos que unos cuantos scripts evitan el asesinato de nuestra computadora.
3. Falta de una consola y ventanas extras, como para mostrar los datos, gráficos, objetos, etc.
4. No explota las capacidades de Markdown y Html como Rstudio.
5. Se ejecuta en el navegador, por lo que puede ser lento. Los navegadores web consumen mucha memoria Ram.
No solo de Notebooks vive el hombre. Por lo anterior me he quedado hace tiempo con solo R y el aclamado ide Rstudio, que repito solo es para R. He hecho a un lado Python y su dulce velocidad de pandas, que hasta R dentro de Python me parece más rápido y estable. Rstudio me deja a elegir entre hacer Notebook o solo escribir Scripts.
Al parecer no era el único que se quejaba de estas cosas con Jupyter. Por lo visto, el grupo de Jupyter viene trabajando hace tiempo con el proyecto JupyterLab un ide que:
1. No te obliga a utilizar notebook y solo json.
2. Puedes hacer Scripts.
3. Tiene consola y ventanas extras para presentar gráficos así como datos.
4. Como Rstudio, JupyterLab nos da una mayor flexibilidad con Markdown y Html.
5. Es el punto vencedor para reconsiderar regresar al proyecto Jupyter, es que también es políglota como los Notebooks de Juypyter. En este nuevo ide también podremos utilizar R, Python, Julia, Javascript, etc.
JupyterLab parece ser muy diferente a Jupyter Notebook o presentar mayor flexibilidad para los científicos de datos. El único detalle, pero no tan relevante, es que igual que Jupyter Notebook sigue ejecutándose en el navegador web que de por sí los navegadores son devoradores de Ram.
JupyterLab desde hace 3 días ha pasado a versión beta, lista para uso diario. Esto lo esperaba con ansias a pesar que ya hay una versión JupyterLab especializada para R llamada R-Brain, con el detalle que lo maneja una empresas comercial. Me gustan más las versiones comunitarias.
El clamor por algo similar a Rstudio en Python fue escuchado y la luz vino para muchos lenguajes. Lo siento por Rstudio, Rodeo y Spyder. Ya tenemos un ide que no solo viene a llenar el vacio en Python sino que también es políglota.
El clamor por algo similar a Rstudio en Python fue escuchado y la luz vino para muchos lenguajes. Lo siento por Rstudio, Rodeo y Spyder. Ya tenemos un ide que no solo viene a llenar el vacio en Python sino que también es políglota.
Comentarios
Publicar un comentario