Acadevor - Clase 9 by Ing. Layla Scheli

Acadevor - Clase 9 by Ing. Layla Scheli https://padlet.com/laylascheli/pu45eupap9e1lch Actividad Grupal - Colaborativa en-us 2021-12-13 17:06:55 UTC 2025-12-12 11:32:28 UTC hello@padlet.com Consigna laylascheli https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945080596 Realizar una investigacion y un resumen comparativo entre R y Python como herramientas complementarias en el analisis de datos. ]]> 2021-12-13 17:07:42 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945080596 ¿Qué lenguaje utilizar para ciencia de datos? https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945191104

R y Python son excelentes lenguajes de programación, por lo que ambos se pueden utilizar en este campo de manera óptima. Para poder dar respuesta a esta pregunta antes debemos analizar las siguientes cuestiones:

–¿Qué necesitamos? Por ejemplo, R es una opción recomendada si necesitamos hacer un análisis estadístico exhaustivo o un análisis independiente a realizar en una máquina. Por su parte, Python es una buena elección cuando los datos a tratar provienen de diferentes plataformas que hay que integrar con nuestro desarrollo (webs, bases de datos, etc.).

]]> 2021-12-13 17:52:51 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945191104 Diferencias entre R y Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945191949 R es un software para análisis estadísticos y gráficas mientras que Python es un lenguaje de programación de propósito general.

]]> 2021-12-13 17:53:13 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945191949 Qué es R y Python? https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945192406 Por un lado, R es un software para análisis estadísticos y gráficas mientras que python es un lenguaje de programación de propósito general (ya vamos a ver un poco más a qué nos referimos con eso).Sin embargo, el eje sobre el que va a girar este vídeo es que ambos son herramientas que vamos a utilizar para lograr obtener valor a partir de los datos esa es toda nuestra primicia.Vamos a ver. En primer lugar podemos hablar de la dificultad del aprendizaje.Dificultad de aprendizajeEn mi caso, R fue más sencillo de aprender pero esto lo veo porque yo vengo de un mundo de matemáticas y estadística en donde estamos muy acostumbrados a trabajar con los datos análisis y hacer cosas como pruebas de hipótesis o regresiónpor otro lado para esto me costó un poco más aprenderlo porque a la hora de meterme en el lenguaje me tocó aprender cosas como programación orientada a objetos métodos clases y otros conceptos con los cuales no era familiar para míPor eso creería que si vienes del mundo de programación, python puede ser la opción más sencilla de aprender para ciencias de datos.Sin embargo creo que ambos lenguajes son sencillos. Ya digamos que ha pasado un tiempo en el que he podido trabajar con ambos lenguajes creo que son mucho más fáciles de aprender considerando otras propuestas como pudieran ser java cobol c++ o incluso otros mucho más complicadosAsí que este sería el primer punto que yo tomaré en cuenta para diferenciar R y python y cómo pueden complementarse.Objetivo de uso de datosEl segundo punto que creo que es fundamental para decidir que el lenguaje mejor para ti es el objetivo del uso de datos. Con esto, me refiero a que R es bueno para hacer análisis estadísticos y reportes en general.Por otro lado, si lo que te llama la atención es construir software, la ingeniería, procesos de datos donde descargas, transformas, cargas para hacer luego un producto de datos que pueda funcionar en alguna empresa o al público entonces puede ser de más interés para ti aprender python.También considero que python es mucho mejor para integrarse con otros programas como pudiera ser el caso de spark o algún tipo de desarrollo web.En tercer punto que creo que puede ser importante para decidir si para ti es mejor r o python o cuál de los dos el mejor lenguaje es el tipo de persona que lo va a usarTipo de persona que lo utilizanAquí voy a poner dos perfiles el primero sería más de investigación. En este sentido, R es utilizado por académicos o científicos para obtener mayor conocimiento acerca de sus estudios ya sea en biología, psicología, matemática o alguna otra rama del conocimiento.También es utilizado por analistas de negocio o el área de business intelligence para también sacar información que pueda ser útil para las altas directivos de la empresa tomar alguna decisión de negocio.Por otro lado, consideró que python es más utilizado en lo que tiene que ver con ingeniería de software e ingeniería de datos. Con esto, me refiero a cosas como los procesos de extracción, transformación y carga (ETL en inglés). En donde el interés es, quizás, ir a muchas fuentes de datos todas ellas integrarla y transformarla en cierta forma para dar un auto mucho más valioso.Esto pudieran ser casoss como el de netflix o el de google que toman un montón de información para recomendarte ciertas cosasConclusiónEntonces dependiendo del perfil en el que tú te veas puede ser más conveniente o puede ser mejor lenguaje para ti o python ahora así que con estas tres ideas de la que hemos hablado tiene un montón de información para poder decidir que lenguaje es mejor.]]> 2021-12-13 17:53:25 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945192406 R vs Python: ¿cuál es mejor para el análisis de datos? exequiel151974 https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945192950 2021-12-13 17:53:40 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945192950 Este link lo veo interesante https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945193261 2021-12-13 17:53:50 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945193261 Machine Learning xq R https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945194462 En cuanto a Machine Learning, R tiene implementados una gran cantidad de algoritmos, como consecuencia de las diferentes líneas de investigación de grupos que dieron pie a su creación, debido precisamente al hecho de que R nació en el ámbito académico.]]> 2021-12-13 17:54:23 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945194462 Diferencia entre R y Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945194731 https://openwebinars.net/blog/r-vs-python-en-que-se-diferencian-y-en-que-se-parecen/]]> 2021-12-13 17:54:31 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945194731 https://youtu.be/doLXHVBbknw https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945195608 2021-12-13 17:54:56 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945195608 R para análisis estadístico complejo exequiel151974 https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945195919 "Si lo que se necesita, por ejemplo, es realizar un análisis estadístico complejo, la elección de R como lenguaje será más recomendada debido a la gran cantidad de librerías para este propósito de las que dispone y a la sencillez de implementación de los algoritmos necesarios en pocas líneas de código, mientras que si lo que precisamos es la implementación de un código de tipo más general o no tan matemático, la elección recomendada sería Python debido a la sencillez del desarrollo con este lenguaje."]]> 2021-12-13 17:55:04 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945195919 Recopilacion de datos: https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945196766
Python admite todo tipo de formatos de datos diferentes. Podemos trabajar con documentos CSV, manejar archivos JSON procedentes de la web o importar tablas procedentes de consultas SQL.
Además, también podemos trabajar con diferentes conjuntos de datos gracias a la bibliotecas disponibles para capturar datos desde diferentes lugares de manera simultánea usando apenas una o varias líneas de código y analizar en profundidad la información obtenida una vez ordenados los datos.

R puede no ser tan versátil para obtener información de la web como lo es Python, puede manejar datos de sus fuentes más comunes como archivos de texto, CSV, hojas de cálculo Excel, etc. Para mitigar este problema, R dispone de paquetes creados para mitigar sus carencias como es el caso de Rvest que permite realizar una captura de datos web básico.

]]> 2021-12-13 17:55:25 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945196766 R es un lenguaje estadístico https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945197281 R: -

R es un lenguaje estadístico. Se utiliza para desarrollar software estadístico y análisis de datos. Desde que la minería de datos y el estudio de datos se han vuelto populares, R también ha ganado popularidad. Junto con las técnicas estadísticas, R también proporciona una amplia variedad de bibliotecas para técnicas gráficas. Puede producir gráficos estáticos que se utilizan para gráficos de calidad de publicación. Los gráficos dinámicos e interactivos también están disponibles. R tiene una red de archivo de paquetes (CRAN- Red global de archivos R) para todos los paquetes que admite. Contiene más de 10, 000 paquetes. R es un lenguaje de línea de comandos, pero hay varias interfaces que proporcionan una GUI interactiva para facilitar la tarea de los desarrolladores.

]]> 2021-12-13 17:55:39 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945197281 Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945199774

Se puede usar en desarrollo web, desarrollo de software, scripting de sistemas, etc. Funciona en diferentes plataformas. Python fue diseñado para una mejor legibilidad; por lo tanto, tiene cierta similitud con el idioma inglés. Python se enfoca en sintaxis y gramática simples y menos desordenadas.

En python, los espacios en blanco marcan las hendiduras para limitar el bloque. Utiliza la tipificación dinámica y el enlace tardío que vincula los métodos y las variables en el tiempo de ejecución. Con una gran cantidad de bibliotecas, Python se puede usar para muchos propósitos.

]]> 2021-12-13 17:56:40 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945199774 Diferencias y Similitudes entre R y Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945200449
Es difícil elegir entre estos dos lenguajes de análisis de datos pues ambos son increíblemente flexibles, gratuitos y de código abierto, y se desarrollaron a principios de la década de 1990: R enfocado para análisis estadístico y Python como lenguaje de programación de propósito general.

Ambos han ido evolucionando hasta convertirse en imprescindibles. Si estás interesado en proyectos relacionados con el aprendizaje automático, el trabajo con grandes conjuntos de datos o crear visualizaciones de datos complejas ambos se presentan como excelentes opciones.

R tiene una curva de aprendizaje pronunciada y las personas con poca o ninguna experiencia en programación lo encuentran difícil al principio. Una vez que domines el lenguaje, no será tan difícil de entender, pero lleva tiempo. Mientras que Python enfatiza la productividad y la legibilidad del código, lo que lo convierte en uno de los lenguajes de programación más simples. Es preferible por su facilidad de aprendizaje y comprensión.

Por otro lado, Python es un lenguaje de programación de alto nivel y ha sido la elección para crear aplicaciones críticas pero rápidas. De hecho, está presente en innumerables proyectos por esa razón. Por contra R es un lenguaje de programación de bajo nivel debido a que requiere códigos más largos para procedimientos simples. Esta es una de las razones de su velocidad reducida en comparación con Python.

Dicho esto, es el momento de analizar estos dos lenguajes un poco más en profundidad con respecto a su uso y manejo de datos, que incluyen:

Recopilación de datos
Exploración de datos
Modelado de datos
Visualización de datos

Recopilación de datos

Python admite todo tipo de formatos de datos diferentes. Podemos trabajar con documentos CSV, manejar archivos JSON procedentes de la web o importar tablas procedentes de consultas SQL.

Además, también podemos trabajar con diferentes conjuntos de datos gracias a la bibliotecas disponibles para capturar datos desde diferentes lugares de manera simultánea usando apenas una o varias líneas de código y analizar en profundidad la información obtenida una vez ordenados los datos.

Exploración de datos

Python dispone de Pandas, una biblioteca pensada para facilitar el análisis de datos, filtrando, ordenando registros en cuestión de segundos. También permite limpiar datos, completar valores no válidos como NaN (no un número) con un valor que tenga sentido para el análisis numérico como 0.

Esto hace que ofrezca un gran número de posibilidades en este ámbito. Podemos crear distribuciones de probabilidad y aplicar una batería de pruebas estadísticas y de aprendizaje automático en nuestros proyectos con una sencillez que incluso hoy hace palidecer a lenguajes mucho más modernos. Aunque para trabajos más pesados quizá deberemos recurrir a librerías de terceros para aprovechar todavía más su potencial.

Modelado de datos

Python permite hacer análisis de modelado numérico con Numpy, permite realizar cálculos avanzados con SciPy y nos ofrece el acceso a una gran cantidad de potentes algoritmos de aprendizaje automático gracias a la librería scikit-learn. En conjunto podemos aprovechar todo el poder que Python nos ofrece en modelado de datos sin complicaciones.

Por su lado, R es capaz también de realizar el modelado y análisis de datos específicos más allá de su funcionalidad principal. Para ello se suele hacer uso de alguno de los paquetes disponibles para análisis específicos, como es el caso de Poisson.

Visualización de datos

En Python contamos con varias opciones para trabajar con la visualización de datos. Lo más usual es trabajar con la librería Matplotlib que permite generar gráficos y tablas básicas a partir de datos incrustados. Aunque si necesitamos trabajar con gráficos más avanzados mi recomendación pasa por probar Plot.ly. Utilizando su API podemos generar en Python todo tipo de gráficos y paneles.

Y ya, por último, usando la función nbconvert podemos convertir nuestros trabajos en Python en documentos HTML e insertar fragmentos de código con un formato más amigable en sitios web interactivos.

Dicho esto, vamos con R. Como comentaba este lenguaje se creó principalmente para trabajar en análisis estadísticos y demostrar resultados. Debido a esto su ámbito fue principalmente académico y proporciona un potente entorno adecuado para la visualización científica con muchos paquetes especializados en la visualización gráfica de resultados de modo nativa para posteriormente guardar o exportar archivos en formato de imagen o PDF.

Al igual que en Python contamos con librerías específicas para para representación gráfica avanzada como ggplot2, muy utilizado para realizar gráficos de dispersión complejos con líneas de regresión.

Python vs R… ¿Cuál elegir?

Por lo general se considera que R es el mejor lenguaje de programación para cualquier profesional de la ciencia de datos, ya que posee un extenso catálogo de métodos estadísticos y gráficos.

Python, por otro lado, puede hacer prácticamente el mismo trabajo que R, los científicos de datos o los analistas de datos lo prefieren debido a su simplicidad y alto rendimiento. Mientras que R es un lenguaje de scripting poderoso y altamente flexible con una comunidad vibrante y un banco de recursos, Python es además un lenguaje orientado a objetos ampliamente utilizado que es fácil de aprender y depurar.

Como no hay una respuesta simple que responda a todos los posibles escenarios. Quizá la mejor manera de poder decidir es respondiendo a alguna de las siguientes preguntas antes tomar una decisión final:

¿Tienes experiencia programando en otros lenguajes?

Si tienes algo de experiencia en programación, Python podría ser el lenguaje más indicado. Su sintaxis es más similar a la de otros lenguajes en comparación con R y su sintaxis. Python se puede leer con facilidad y facilita que podamos desarrollar código más rápidamente.

¿Eres científico o ingeniero?

La verdadera diferencia entre Python y R radica en estar listo para producción. Python es un lenguaje de programación completo y muchas organizaciones lo utilizan en sus sistemas de producción y se integra mucho mejor que R. Sin embargo, para escribir código realmente eficiente, es posible que deba emplear un lenguaje de nivel inferior como C ++ o Java.

Por otro lado, R es un software de programación estadístico muy usado en el mundo académico.

¿Quieres aprender “aprendizaje automático” o “aprendizaje estadístico”?

Continuando con la pregunta anterior. Aquí debemos tener en consideración que el aprendizaje automático es un subcampo de la inteligencia artificial, mientras que el aprendizaje estadístico es un subcampo de la estadística.

Así el aprendizaje automático tiene un mayor énfasis en las aplicaciones a gran escala y la precisión de las predicciones; mientras que el aprendizaje estadístico enfatiza los modelos y su interpretabilidad, precisión e incertidumbre.

¿Necesitas visualizar tus datos en hermosos gráficos?

En lo particular considero que aquí se encuentra la actual batalla a librar. Para la creación rápida de prototipos y el trabajo con conjuntos de datos R va algo por delante por delante. Sin embargo, Python ha alcanzado algunos avances gracias a Matplotlib, pero R todavía parece ser mucho mejor en la visualización de datos.

]]> 2021-12-13 17:56:56 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945200449 Exploración de datos https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945200814
Python dispone de Pandas, una biblioteca pensada para facilitar el análisis de datos, filtrando, ordenando registros en cuestión de segundos. También permite limpiar datos, completar valores no válidos como NaN (no un número) con un valor que tenga sentido para el análisis numérico como 0.

Por contra R se creó precisamente para realizar análisis estadísticos y numéricos de grandes conjuntos de datos. Su funcionalidad básica abarca los conceptos básicos de análisis, optimización, procesamiento estadístico, optimización, generación de números aleatorios, procesamiento de señales y aprendizaje automático.
Esto hace que ofrezca un gran número de posibilidades en este ámbito. Podemos crear distribuciones de probabilidad y aplicar una batería de pruebas estadísticas y de aprendizaje automático en nuestros proyectos con una sencillez que incluso hoy hace palidecer a lenguajes mucho más modernos. Aunque para trabajos más pesados quizá deberemos recurrir a librerías de terceros para aprovechar todavía más su potencial.

]]> 2021-12-13 17:57:04 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945200814 eescalerag https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945203755

¿Qué tipo de problema quiero resolver? Optaremos por uno u otro en función del tipo de análisis de datos que queramos llevar a cabo, ya sea Machine Learning, Data Mining, analítica web, etc. Así R es una muy buena opción cuando el análisis de datos requiere una computación independiente o un análisis individual en los servidores, mientras que Python lo usaremos cuando el análisis de datos requiera ser integrado con las aplicaciones webs o si necesitamos incorporar el código de análisis estadístico en una base de datos de producción.

]]> 2021-12-13 17:57:59 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945203755 R y Python son dos de los lenguajes favoritos de los Data Scientists. https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945203957 Uso. ¿En qué se especializan? ¿Qué problemas intentan resolver?

R es la lengua franca de las estadísticas (y los gráficos), mientras que Python es un lenguaje multi-propósito que permite mejorar la productividad de los desarrolladores

En comparación con Python, es más fácil realizar análisis de datos complejos en R. La gran cantidad de paquetes estadísticos te permite realizar cualquier análisis de datos de manera sencilla y rápida, con pocas líneas de código.

Si bien Python cuenta con paquetes para el análisis estadístico, todavía le falta algo de la riqueza de R para el análisis de datos. Ahora mismo R está por delante en este punto, aunque poco a poco se está cerrando la brecha.

Dominic Royé (Ph.D. en Geografía Física investigador en la Universidad de Oporto y la Universidad De Santiago de Compostela) y Carlos Gil (estadístico y científico de datos con una trayectoria espectacular, miembro fundador de la Comunidad de usuarios de R, Madrid) opinan sobre R.

]]> 2021-12-13 17:58:04 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945203957 Otro enlace que esta bien https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945205393 Cuál de los dos es mejor que el otro de cara a Data Science. Cada uno es bueno para una cosa en concreto. Por ejemplo, para Deep Learning Python es el rey, mientras que para visualización de datos, mejor R]]> 2021-12-13 17:58:40 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945205393 Esta presentacion esta my bien https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945209924 R y Python son lenguajes muy populares hoy en día especialmente para científicos de datos, que los utilizan para prospección, tratamiento y minería de datos y, Power BI es una de las herramientas que más está creciendo en cuanto a utilización y aceptación en el sector de inteligencia de negocios y análisis de datos. La sesión cubre, a través de demos, los puntos en los que ambos enfoques se combinan para sacar mejor partido a los datos con los que contamos. Según sea el caso, vamos a preferir gestionar nuestras tareas desde el mundo de estadísticas y gráficos ofrecido por lenguajes R y Python, el mundo más encaminado al análisis de negocio gestionado con Power BI, o ambos mundos.]]> 2021-12-13 18:00:47 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945209924 Tabla de comparación de R vs Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945211786 Discutamos las principales diferencias entre R y Python.

]]> 2021-12-13 18:01:39 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945211786 Por otro lado, Python es más adecuado para implementar algoritmos de productividad. Tienes acceso a un gran número de paquetes para desarrolladores que te permiten crear código general de manera más rápida y vincular flujos de trabajos o componentes (aunque para objetivos estadísticos esto puede complicarse). R se puede utilizar como lenguaje de programación, pero esa no es su fortaleza. https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945214040 Gráficos. ¿Con cuál de ellos podemos crear los gráficos más impactantes?

R y la visualización de datos son una combinación perfecta

En términos de visualización de datos, R está muy por delante de Python. R ofrece gráficos sorprendentes mucho más sofisticados que los de Python. Por ejemplo, paquetes como ggplot2 hacen que graficar sea más fácil y más personalizable en R que en Python. Otros paquetes de visualización fundamentales son ggplot2, ggvis, googleVis y rCharts.

Actualización. ¿Cómo estar a la última en Data Science?

R está más actualizado en las últimas técnicas estadísticas, debido a su fuerte vínculo con el entorno académico.

El desarrollo de nuevas técnicas estadísticas es más rápido en R. Si existe una técnica estadística, es probable que ya exista un paquete R para implementarla. Por eso, hay momentos en que R es la mejor herramienta para el trabajo… O la única herramienta. Esto ocurre con modelos complejos como los modelos mixtos o GAM, como indicó Carlos Gil.

El enorme ecosistema de paquetes suele ser una gran ventaja para estos lenguajes, como indican Pachá (usuario experto de R) y Antonio Canepa Oneto (bioestadístico, ecólogo y biólogo marino de Burgos).

]]> 2021-12-13 18:02:35 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945214040 R y Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945214918 2021-12-13 18:03:00 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945214918 De un vistazo: https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945215889 Consejos para elegir entre Python y R

La gente que elige Python:
Trabaja en la ciencia de datos orientada al negocioCrea algoritmos de aprendizaje automáticoTrabaja en una variedad de industriasRequiere un lenguaje flexiblePlanea crear proyectos que escalen | Las personas que eligen R:
Trabaja en áreas de análisis o de ciencia de datos con estadísticaTrabaja en el mundo académicoNecesita la sintaxis específica del lenguaje de los procesos estadísticosRealizan análisis estadísticos o trabajos analíticos especializadosNecesita una salida dinámica para comunicar los resultados
Es mejor elegir Python si:
No tiene experiencia en programaciónEl objetivo principal es la producción o el despliegueQuieres construir nuevos modelos desde ceroEl código de los proyectos debe ser legible. | Es mejor elegir R si:
Tiene previsto trabajar en la investigación o en el mundo académicoEl trabajo tiene un fuerte componente estadístico y de análisisDeseas hacer uso de amplias bibliotecas para soluciones existentesDeseas hacer uso de amplias bibliotecas para soluciones existentesLas características específicas de la sintaxis son importantesLa comunicación de resultados complejos es clave

]]> 2021-12-13 18:03:26 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945215889 R vs. Python para la ciencia de datos: Explicación y consejos de aprendizaje https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945215937 Python y R se consideran lenguajes de programación esenciales para la ciencia de datos. Lo ideal sería dominar ambos para tener una base de programación completa, pero si eres nuevo en la ciencia de datos, ¿cuál es el mejor lugar para empezar?

Sigue leyendo para saber más sobre cómo se utiliza cada lenguaje de programación en la ciencia de datos, junto con consejos para elegir cuál empezar a aprender primero. Aquí analizaremos R vs Python.

¿Cuál es la diferencia entre Python y R?

Mientras que el lenguaje R es más especializado, Python es un lenguaje de programación de propósito general diseñado para una variedad de casos de uso.

Si es tu primera incursión en la programación, puede que el código Python te resulte más fácil de aprender y más ampliamente aplicable. Sin embargo, si ya tienes algún conocimiento de los lenguajes de programación o tienes objetivos profesionales específicos centrados en el análisis de datos (data analysis), el lenguaje R puede estar más adaptado a tus necesidades.

También hay muchas similitudes entre los lenguajes Python y R, por lo que la experiencia en uno de ellos puede ser útil para el otro. Por ejemplo, tanto Python como R son populares lenguajes de programación de código abierto respaldados por prósperas comunidades. Ambos pueden practicarse también en el entorno agnóstico del lenguaje, Jupyter Notebooks, junto con otros lenguajes de programación como Julia, Scala, Java y muchos más.

Python: El lenguaje de programación para todos los propósitos

Según los datos de Stack Overflow, Python es el lenguaje de programación de más rápido crecimiento en todo el mundo. Es muy accesible para los principiantes y ofrece el tipo de versatilidad que los desarrolladores web necesitan para crear sitios web tan variados como Spotify, Instagram, Reddit, Dropbox y el Washington Post. ¿No sabes cómo usar un caret o qué es una regresión? Python será el punto de partida más amigable para ti.

Python es un lenguaje de programación orientado a objetos, como Javascript o C++, que proporciona estabilidad y modularidad a los proyectos, sin importar su tamaño. Ofrece un enfoque flexible para el desarrollo web y la ciencia de datos que se siente intuitivo incluso si nunca has aprendido un lenguaje de programación antes.

Aprender Python proporciona a los programadores las habilidades necesarias para trabajar en negocios, productos digitales, proyectos de código abierto y diversas aplicaciones web fuera de la ciencia de datos. El lenguaje es una pequeña parte del ecosistema de Python; las bibliotecas más populares son:

NumPy (análisis numérico)
SciKit-learn (análisis predictivo)
Keras (aprendizaje profundo (Deep learning) e inteligencia artificial (Artificial Intelligence))
SciPy (computación científica)
Seaborn (visualización de datos (Data visualization) estadísticos)
Folium (visualización de datos geoespaciales)
Pandas (análisis de bases de datos)
Matplotlib (API orientada a objetos para incrustar gráficos)
PyCharm (entorno de desarrollo integrado [IDE] para Python)

"La parte más difícil de cualquier cosa es empezarla y Python es el primer gran paso para la ciencia de datos. La gente se asombra de lo fácil que es Python".

"La parte más difícil de cualquier cosa es empezarla y Python es el primer gran paso para la ciencia de datos", dice Joseph Santarcangelo, PhD, científico de datos (Data Scientists) de IBM, e instructor de varios cursos y programas de ciencia de datos de edX, desde los fundamentos de Python hasta el aprendizaje profundo. "La gente se asombra de lo fácil que es Python. Cuando se mira la programación, parece un concepto bastante abstracto. Es bastante difícil. Si cometes un pequeño error todo está mal. Así que la gente suele asustarse bastante. Y luego la gente es como oh wow eso es todo?"

3 razones para aprender Python para la ciencia de datos

1. Python es amigable para los principiantes: Python utiliza una sintaxis lógica y accesible que facilita la identificación del propósito de las cadenas de código y se basa menos en el enfoque formal de los lenguajes anteriores. Este enfoque en la legibilidad del código reduce la curva de aprendizaje y suaviza algunos de los desafíos de aprender lenguajes de programación por primera vez.

2. Python es multipropósito: Python no se limita a trabajar dentro de la comunidad de la ciencia de los datos. Los desarrolladores utilizan Python para construir todo tipo de aplicaciones, por lo que es un lenguaje útil si planeas centrarte en una variedad de tareas dentro del campo de la informática. Python también funciona bien con aplicaciones basadas en la web y admite muchos tipos de estructuras de datos, incluidas las de SQL. Además, es fácil encontrar diferentes conjuntos de datos para cualquier proyecto en el que estés trabajando o crear los tuyos propios utilizando productos dentro del ecosistema de Python.

3. Python es escalable: Python funciona más rápido que R, lo que le permite crecer y escalar junto con los proyectos. Para aquellos que trabajan en producción, construyendo pipelines o ejecutando producción a gran escala, ofrece los flujos de trabajo eficientes necesarios para ponerlos en marcha. Esta velocidad es la base de la preparación de Python para la producción. Permite construir pipelines de aprendizaje automático(machine learning) a gran escala para obtener información que siga el ritmo del negocio. Además, la modularidad del lenguaje garantiza que se pueda construir algo flexible.

kerasR: El dominante de la ciencia de datos

La programación en R es un lenguaje específico utilizado para el análisis de datos y la estadística. Utiliza una sintaxis específica empleada por los estadísticos y es una parte vital del mundo de la investigación y la ciencia de datos académica.

R sigue un modelo procedimental para el desarrollo. En lugar de agrupar los datos y el código en grupos como la programación orientada a objetos, desglosa las tareas de programación en una serie de pasos y subrutinas. Estos procedimientos hacen que sea más sencillo visualizar cómo se producirán las operaciones complejas.

Al igual que Python, R cuenta con una sólida comunidad, pero con un enfoque especializado en el análisis. R no ofrece un desarrollo de software de propósito general como Python, pero maneja mejor estos proyectos especializados de ciencia de datos porque ese es el único enfoque. El ecosistema de R incluye:

RStudio (un IDE basado en R)
CRAN (Comprehensive R Archive Network)
Tidyverse, una popular colección de paquetes de R
dplyr (un conjunto de funciones que permiten manipular marcos de datos)
Paquetes R, códigos R reproducibles y funciones
Ggplot2, un oRStudio (un IDE basado en R)

En resumen, R ofrece una especialización para el análisis de big data, pero no podrás utilizarlo para el desarrollo web de propósito general.

"Como en cualquier comunidad vibrante de software de código abierto, R se mueve rápidamente. Esto puede ser desorientador porque significa que nunca puedes terminar de aprender R. Por otro lado, hace que R sea un tema fascinante: siempre hay más que aprender".

"Como en cualquier comunidad vibrante de software de código abierto, R se mueve rápidamente. Esto puede ser desorientador porque significa que nunca se puede terminar de aprender R. Por otro lado, hace que R sea un tema fascinante: siempre hay más que aprender. Incluso los usuarios experimentados de R siguen encontrando nuevas funcionalidades que ayudan a resolver problemas de forma más rápida y elegante", dijo Radha, un analista de datos en la India y estudiante de edX que utilizó el curso Data Science: R Basics de HarvardX, que forma parte del programa de Certificación Profesional de ciencia de datos de HarvardX, para repasar este lenguaje de programación en constante evolución.

"3 razones para aprender a programar en R para la ciencia de datos

R no es un lenguaje de propósito general, pero dependiendo de dónde o cómo planees trabajar, podría ofrecer muchas ventajas que no están disponibles con un lenguaje de propósito general.

1. R está construido para la estadística: El análisis estadístico robusto es posible con Python, pero no tendrás las bibliotecas y funciones específicas de la sintaxis como lo haces con R. El lenguaje hace que sea mucho más intuitivo construir y comunicar los resultados de estos tipos específicos de programas. Los estadísticos y los analistas de datos utilizan R para manejar grandes conjuntos de datos con mayor facilidad utilizando modelos de aprendizaje automático estándar y minería de datos.

2. R es académico: R es casi la elección por defecto para trabajar en el mundo académico. R es muy adecuado para un subcampo del aprendizaje automático conocido como aprendizaje estadístico. Cualquier persona con una formación formal en estadística debería reconocer la sintaxis y la construcción de R.

3. R es intuitivo para el análisis: Puede que R no funcione con una gran variedad de proyectos, pero es la mejor opción para el trabajo de análisis e inferencia. Si piensa trabajar en un campo especializado, querrá un lenguaje de programación especializado. R también ofrece un potente entorno ideal para los tipos de visualizaciones de datos que emplean los científicos de datos.

¿Qué lenguaje de programación debería aprender, Python o R?

Si tu objetivo es aprender a programar en general, Python es la mejor opción. Si tu objetivo es centrarte exclusivamente en la estadística y las aplicaciones de datos, R podría tener la ventaja. Para decidir si empezar a aprender Python o R primero, hazte algunas preguntas:

¿Cuáles son tus objetivos profesionales?? Decidir entre los negocios y el mundo académico, por ejemplo, puede ayudar a aclarar cuál te servirá mejor al principio. Pensar en cuánto te gustaría mantener tus opciones abiertas o qué proyectos son más importantes para ti también puede ayudar.
¿A qué prevé dedicar la mayor parte de su energía? Si planeas quedarte con el análisis estadístico dentro de la mayoría de los proyectos de investigación, R podría superar a Python. Sin embargo, si quieres construir sistemas listos para la producción, podrías necesitar más flexibilidad.
¿Cómo piensa comunicar sus resultados? El examen de las diferentes formas en que Python y R pueden ayudar a la visualización de datos también puede ayudar a reducir su primer paso.

Is Python or R Easier?

Python es mucho más sencillo, ya que utiliza una sintaxis más cercana al inglés escrito para ejecutar los comandos. Sin embargo, R facilita la visualización y la manipulación de los datos si tienes otros lenguajes en tu haber. Está basado en la estadística, por lo que su sintaxis es más sencilla para el análisis.

R puede requerir más trabajo inicial que Python. Sin embargo, una vez que se ha aprendido la sintaxis, R puede facilitar ciertos tipos de tareas. Cuanta más experiencia se tenga con los lenguajes de programación, más fácil será aprender otro.

"Mi consejo es que no te rindas: si no eres tan bueno con un lenguaje, prueba con otro", dice Ben Tasker, Facilitador del Programa Técnico de Ciencia de Datos y Análisis de Datos en SNHU e instructor de los programas MicroBachelors de edX en gestión de datos y análisis de negocios. "Yo era bastante horrible codificando en Python cuando empecé mi carrera de ciencia de datos. Así que me pasé a R por alguna razón, aunque mucha gente afirma que R es más difícil de aprender. Lo aprendí mucho más rápido y luego volví a cambiar a Python y me sentí más cómodo con él, y ahora sólo uso Python, no uso R en absoluto."

De un vistazo: Consejos para elegir entre Python y R

El resultado final: Python para principiantes, R para la investigación

En última instancia, aprender Python y R te ayudará a obtener una ventaja competitiva en la ciencia de datos, y en sus diferentes ramas incluyendo data mining (procesamiento de datos). Explora los cursos y programas en una variedad de temas de ciencia de datos y análisis para ayudarte a dar el siguiente paso.

]]> 2021-12-13 18:03:27 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945215937 BENEFICIOS DE R https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945221306
1.Código Abierto
Puedes usar fácilmente este lenguaje de programación con un mínimo o ningún cargo porque es un lenguaje de código abierto. Esto significa que cualquiera puede usar el código fuente y hacer cambios en el programa. Esto ayuda a aumentar la calidad de la característica de resolución de problemas de este lenguaje.

2.Amplia gama de paquetes
R tiene una gran variedad de paquetes que puede utilizar para sus soluciones. El número de paquetes R está creciendo constantemente. R tiene más de 10.000 paquetes sólo en el repositorio CRAN. Casi todas las industrias pueden usar estos paquetes.

3.Alta compatibilidad
Puedes emparejar este lenguaje con muchos lenguajes de programación diferentes como Python, Java, C, o C++. Esto hace que este lenguaje sea altamente compatible. También puedes integrar R con software de gestión de bases de datos como Hadoop.

4.Alta calidad gráfica y de trazado
R también ayuda en la gráfica y el trazado. Para aportar atractivo visual y atracción, puedes integrar el plotty y el ggplot2. Esto hace que este lenguaje sea diferente a otros lenguajes de programación.

5.Informes alucinantes
Se pueden crear fácilmente resultados fáciles y extensos mientras se informa. R soporta paquetes como Markdown y Shiny. R también incluye guiones, gráficos y datos que le ayudarán a hacer informes mediante la incrustación. Con R, puedes crear una aplicación interactiva, y tus usuarios pueden jugar con los datos y el resultado en la web.

6.Apoyo al aprendizaje automático
También puede realizar actividades de aprendizaje de la máquina con el lenguaje de programación R. Por ejemplo, este lenguaje puede realizar la regresión y clasificación de los datos a través de una red neuronal artificial.

7.Crecimiento constante
Este lenguaje está creciendo drásticamente en la actualidad. Una de las razones del crecimiento de este programa es que es de código abierto. Este lenguaje usa tecnología de punta y provee actualizaciones instantáneas cada vez que este lenguaje agrega nuevas características.

]]> 2021-12-13 18:05:53 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945221306 BENEFICIOS DE PYTHON https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945224682
1.Mejora de la productividad
Este lenguaje es muy productivo y permite resolver problemas complicados. No sólo eso, este lenguaje es muy simple. No tienes que pasar meses para entender el comportamiento y la sintaxis del lenguaje. Puedes realizar más tareas escribiendo menos códigos con el lenguaje Python.

2.Lenguaje interpretado
Python tiene la capacidad de ejecutar cada código línea por línea. Esto significa que Python es un lenguaje interpretado. Si este lenguaje encuentra algún error, se detiene de inmediato e informa de ello. Así que no tiene que buscar errores. Puedes depurar fácilmente ya que este lenguaje sólo muestra un único error. Incluso si hay varios errores, sólo recibirás un error.

3.Fácil de aprender, leer y escribir
Puedes entender y leer fácilmente la codificación en este lenguaje de programación porque tiene una alta calidad de lenguaje. La sintaxis es similar a la del inglés, lo que te permite aprenderlo aún más rápido. Mucha gente usa Python porque entiende fácilmente el lenguaje. Además, hay menos líneas con código similar al de Java y C++, lo que lo hace más fácil.

4.Código abierto y gratuito
Al igual que el lenguaje de programación R, Python también es un lenguaje de código abierto y aprobado por la OSI. Puedes usar y distribuir libremente este lenguaje. La mejor parte es que puedes descargar, modificar y distribuir las versiones de python como tus propias modificaciones.

5.Portabilidad
La pitón tiene un beneficio único. Puede usar los mismos códigos para múltiples plataformas. Esto significa que no tienes que escribir diferentes códigos para diferentes plataformas. Esto ahorra mucho tiempo y esfuerzo.

6.Grandes bibliotecas
Python tiene una gran cantidad de bibliotecas, lo que la hace perfecta para realizar diversas tareas. Eso lo hace menos dependiente de las bibliotecas externas.

]]> 2021-12-13 18:07:28 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945224682 R o Python https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945225047 Para mí R es un programa estadístico con el cual se puede programar (no sólo en ámbito estadístico)
Python, es un lenguaje de programación que también es posible resolver temas estadísticos.
Tienen las mismas potencialidades.
lo que no me queda claro si Python utiliza recursos propios.

]]> 2021-12-13 18:07:39 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945225047 R Y PYTHON EN DATA SCIENCE https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945228845 Los dos lenguajes de programación más utilizados en data science son R y Python. En nuestro Máster en Data Science podrás volverte un profesional en este ámbito y saber comprender ambos lenguajes. Si quieres saber qué les diferencia, y cual es su papel en el mundo de la programación, este es el lugar adecuado.

Data Science

Data Science, también conocida como la Ciencia de Datos, es un campo interdisciplinario que incluye sistemas, procesos y métodos científicos para poder extraer y estudiar el conocimiento de datos en sus diversas formas. Se puede entender como una continuación de campos que analizan datos como serían la minería de datos, la analítica predictiva, la estadística y el aprendizaje automático.

La Ciencia de Datos utiliza técnicas extraídas de distintos campos que se ubican dentro de las matemáticas, la informática, la estadística y la ciencia de la información. A su vez, maneja procesos y sistemas como algoritmos, ecuaciones, interpretación de resultados y evaluaciones de datos. Dos de los principales lenguajes de programación que utiliza Data Science son R y Python.

¿Qué es R?

R es un lenguaje de programación y entorno que está enfocado al análisis de estadísticas. También es conocido en sus inicios como una reimplementación de un software libre, es hoy en día uno de los lenguajes de programación más utilizados. Aunque durante los último años, debido a la aparición de Python, ha ido perdiendo terreno.

Sus usos son variados dado que puede tomar parte en numerosos campos. Las investigaciones dentro de la comunidad estadística, en la investigación biomédica, en las matemáticas financieras, en la bioinformática y en la minería de datos son algunos de ellos. Además, es capaz de ejercer funcionalidades de graficación y cálculo.

Debido a sus múltiples capacidades y funciones, podemos encontrar R en el sistema GNU. El cual podemos encontrar en sistemas operativos como Linux, Windows, Macintosh y Unix. También es usado por compañías como Twitter y Facebook que hacen uso de este lenguaje de programación. El objetivo de su uso es obtener la información relacionada con la experiencia del usuario en sus redes.

¿Qué es Python?

Python es también un lenguaje de programación. A diferencia de R, es interpretado y busca mejorar el código legible a través de la sintaxis. Al soportar orientación a objetos, la programación funcional y la programación imperativa, se trata de un lenguaje multiparadigma que usa tipado multiplataforma y dinámico.

Dicho lenguaje de programación es utilizado en Data Science para analizar textos mediante el procesamiento de lenguajes naturales. A su vez, se usa para extraer información valiosa de diferentes bases de datos y programar algoritmos de aprendizaje en Machine Learning.

Python se administra a través de Python Software Foundation. Su licencia es compatible con la licencia general que podemos encontrar en GNU. Lo bueno de Python es que posee una biblioteca que puede ser usada para diversas tareas. También permite el uso de lenguajes como C y C++ para ofrecer la posibilidad de interacción con otras bibliotecas existentes.

Algunas de las bibliotecas de Python para Data Science son TensorFlow, Keras, Skitlearn o Pandas. Las 4 anteriormente mencionadas son las más utilizadas dentro de este sector. Estas permiten a los usuarios llevar a cabo tareas de forma mucho más eficiente. Por ejemplo, con Pandas podemos manejar datos o limpiar CSV con miles de filas y columnas. TensorFlow, en cambio, nos permite desarrollar redes neuronales de forma más sencilla.

¿Por qué estudiar R y Python en Máster en Data Science?

Debido al auge de ambos lenguajes de programación, R y Python son dos herramientas fundamentales. Son muy importantes en el ámbito de la interesante profesión de Data Sciencist. Ambos proporcionan al alumno un perfil técnico, junto con formación en estadística, modelos predictivos y bases de datos. Todo junto, consiguen que la empleabilidad del programa sea alta.

]]> 2021-12-13 18:09:20 UTC https://padlet.com/laylascheli/pu45eupap9e1lch/wish/1945228845