No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

¿Dónde y cómo escribir tu código en ingeniería de datos?

8/25
Recursos

Aportes 33

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

o inicia sesión.

En mi experiencia diría que:
Para programar de la manera más cómoda, VS Code es la mejor opción.
Sin embargo, para programar de la manera más profesional, PyCharm (en el caso de Python) puede ser el mejor IDE. Facilita mucho tu vida y todo está conectado de forma maravillosa.

Aunque los Jupyter Notebooks y Google Colab tienen su valor en casos específicos y creo que se acomodan mejor para lo que fueron diseñados en vez de querer abarcar absolutamente todo con VS Code.

  1. Jupyter Notebooks
  2. PyCharm
  3. Visual Studio Code
  4. Google Colab

No olvidemos a Git

Mi resumen de la clase:

Jupyter Notebooks VS IDE VS Editor de código

Jupyter Notebooks: Están dentro de la herramienta Jupyert Lab, son herramientas donde tenemos líneas de código donde vamos evaluando nuestras celdas de código para ver su resultado, es usado mucho por DS para explorar la data y generar modelos de manera no productiva.

IDE: Se utilizan muchísimo para el desarrollo de aplicaciones, proveen un entorno que nos ayuda a identificar la calidad del código y nos pueden ayudar con el testing automatizado.

Editores de código: Nos ayudan con el soporte del código, pero su propósito es ayudarnos con escribir código con nuestros gustos a nuestra libertad.

Dependerá de que etapa estamos trabajando para saber cual es la mejor herramienta.

La terminal es una herramienta que nos permite interactuar con nuestro sistema operativo, esta es nuestra amiga, nos ayuda a correr muchas cosas.

Git también será una de nuestras herramientas, para que no perdamos nuestro avance y vayamos compartiendo lo que vamos haciendo.

Visual Studio Code !!! hasta el fin…XDXDXD

Cuando hago proyectos locales uso Visual Studio Code cuando son códigos de Python en un ambiento más guiado a ingeniería, si es de análisis, si uso Deepnote, me parece muy buena su opción de compartir. Ya en lo profesional uso Azure Databricks 😄

Jupyter Notebooks esta mucho mas preparado para trabajar con grandes volumenes de datos, mientras que los otros dos suelen ser mejor en lo que es asistencia al momento de escribir codigo, por ejemplo a VSC se le puede intalar extenciones que te acompañan a cada momento para evitar errores tipicos de indentaciones o similares.

me gusta más Visual Studio Code. Aunque me dió mucha lidia cuando me tocó instalar C/C++

  • Jupyter notebooks: se incorporan rápidamente varias librerías, se usa para ir escribiendo y ejecutando código. Al ejecutar el código se puede tener un resultado visual y de texto.
  • El editor de código: al momento de escribir código se puede ser libre, instalar herramientas de color e incorporar otros lenguajes de programación
  • IDE: es usado más en crear aplicaciones robustas por su gran facilidad de integración, intelligenceCode y testing automatizado

Yo disfrute mucho de hacer código Python en un Google Colab (notebook) para un trabajo de QA que tuve que hacer. Me encantó y corrió de MARAVILLAS. Lo que me gusto mucho fue no tener que instalar nada en mi computadora y que mi TL pudiera ver todo lo que hacía en tiempo real.

Jupyter Notebook y VSCode son herramientas poderosas para la ciencia de datos. Jupyter Notebook sobresale en el análisis interactivo de datos y la colaboración, mientras que VSCode sobresale en la codificación y depuración. En última instancia, la elección entre estas dos herramientas depende de sus necesidades y preferencias específicas.

Si eres nuevo en ciencia de datos y desea una herramienta fácil de usar para el análisis interactivo de datos, Júpyter Notebook es una gran opción. Por otro lado, si usted es un codificador experimentado y desea un entorno de codificación flexible y potente, VSCode es la mejor opción.

Esto es lo que yo apunte. Si encuentran algo que no esta bien. Por favor corrijanme:

Jupyter notebook
Ventaja: Te permite escribir texto y programación
Desventaja: Necesita ejecutarse en línea

IDE
Ventaja: Tiene todas las herramientas para empezar a programar.
Desventaja: Algunos son de paga

Editor de texto
Ventaja: Te permite trabajar con varios lenguajes de programación
Desventaja: Tienes que instalar muchas herramientas

Aunque Jupyter Notebooks se usen para grandes volumenes de Datos, me gusta trabajar mas en VSC

* **Para Análisis Exploratorio y Data Science**: Jupyter Notebooks son excepcionales. Su capacidad para mezclar código, visualizaciones y texto los hace ideales para explorar datos, realizar análisis y compartir resultados. * **Para Desarrollo de Software y Scripts de Ingeniería de Datos**: Prefiero un IDE como PyCharm o Visual Studio Code. Ofrecen mejores herramientas para escribir, depurar y organizar código en proyectos más grandes. * **Para Ediciones Rápidas o Scripts Simples**: Un editor de texto como Sublime Text o Atom puede ser más que suficiente y ofrece un entorno ligero y rápido. La clave es utilizar la herramienta adecuada para la tarea adecuada y no dudar en cambiar entre ellas según las necesidades del proyecto.
La Terminal es mi coco, no se por cual curso empesar con este!

Visual studio es el que mas me acomoda y es facil de usar

Jupyter Notebooks:

Ventajas:

Interactividad: Jupyter Notebooks permiten ejecutar código de manera interactiva, lo que es útil para exploración de datos y experimentación.
Documentación enriquecida: Puedes mezclar texto enriquecido (como Markdown) con código, lo que facilita la creación de documentos explicativos y tutoriales.
Visualización de resultados: Las visualizaciones se pueden mostrar directamente en el mismo documento, lo que facilita la comprensión de los datos.
Facilidad de uso para análisis de datos: Son ideales para análisis de datos y ciencia de datos, ya que permiten ejecutar pequeños fragmentos de código y ver los resultados de inmediato.

Desventajas:

No es ideal para proyectos grandes: Para proyectos de desarrollo de software grandes y complejos, Jupyter Notebooks pueden volverse incómodos.
Limitaciones en la refactorización de código: No son tan flexibles como los IDE y los editores de código para tareas de refactorización y desarrollo de software en gran escala.
Gestión de paquetes: A veces, la gestión de paquetes y dependencias puede ser complicada.

En mi trabajo del día a día siempre he recurrido a los Juýter Notebooks: con WSL2 instalado he tenido la posibilidad de crear mis propios conda environments y se me ha facilitado mucho el automatizar flujos de trabajo para extraer, cargar y transformar datos. Sin embargo me ha llamado mucho la atención que en proyectos que he visto de otras personas, hacen uso de ambas herramientas:

  1. Notebooks para extraer, depurar y hacer visualizaciones de datos ya limpios. Donde se trabaja mayoritariamente con el paradigma de programación funcional

  2. Scripts de Python en editores de código, con modularización y prácticas de desarrollo que son adoptadas de la Ingeniería de Software, y en donde se ve tanto Programación Funcional como POO.

De ahí donde dice el profe que depende de para qué lo necesitemos y cómo se ajuste a nuestras necesidades

VIsual studio Code a muerte me siento raro en Colaboratory de google

Jupyter Notebook es una herramienta interactiva y orientada al análisis y la presentación de resultados, mientras que un IDE proporciona un entorno completo y especializado para el desarrollo de software. Los editores de código son más flexibles y ligeros, y se adaptan bien a diferentes lenguajes y proyectos.

8. ¿Dónde y cómo escribir tu código en ingeniería de datos?

  • Jupyter Notebooks vs. IDE vs. Editor de código
  • La terminal es tu amiga
  • Git también te quiere

He realizado varios trabajos en Jupyter Notebooks, pero actualmente el codigo Python lo escribo en Spyder.

Me encanta NeoVim pero para Python intento utilizar PyCharm porque viene todo automatizado para desarrollar con Python

Para mi los notebooks no son herramientas de desarrollo, son herramientas para compartir conocimiento. Yo veo los notebooks como el word de los científicos.

Buena explicacion.

Hasta ahora solo he tenido experiencia con los editores de código y con las notebooks online (Jupyter, Deepnote, Google colab), para análisis de datos siempre prefiero desarrollar con las notebooks, pero en el caso de que sea una aplicación pequeña que haga solo una pipe de datos y que simplemente haga un proceso que no va a requerir de mucho código a futuro prefiero utilizar el editor de código, de ambas maneras, vscode cuenta con una integración de Jupyter notebook y con una ejecución del código de python por partes, lo cual no hace bastante semejante a Jupyter Notebooks.

He estado trabajando con Python en Notebooks como Jupyter y Google Colab. Como ventaja veo que se ve en instantaneo si funciona el código o no, sin tener que tener que usar una herramienta más como la terminal, y queda mejor documentado.
También he estado usando el editor de código VSC con Python. Tiene muchas extensiones q ayudan a codear, aunque no las utilicé para poder seguir aprendiendo.
IDE nunca usé con Python, aunque sí Visual Studio para otro lenguaje. Entiendo que los IDE tiene muchas funcionalidades integradas y ya vienen con dependencias instaladas.
Como desventaja considero que las notebooks, a diferencia de editor de código e IDE, no veo que sean funcionales para proyectos que escalen. El IDE puede ser que consuma mucho más recursos xq se instala completo a pesar que no se usen todas las prestaciones, entones si se quiere quizás para estudiar y practicar puede ser más viable notebooks o editor de código.

Aún no encuentro diferencias. Será porque usé durante mucho tiempo un solo IDE (Eclipse, para Java), y algún editor (V S Code, para JS). Pocas veces utilicé Jupiter NB, hasta ahora.

Uso mucho VScode en mi trabajo, pero le estoy dando una oportunidad a DataSpell en proyectos personales, vamos a ver que tal me va.

Jupyter y colab son buenos para empezar y para compartir, también para organizar, aún me falta utilizar la terminal, por lo que me siento más cómodo en la idea de spyder,

Para cursos sobre alguna biblioteca utilizo Deepnote, un servicio de Jupyter Notebooks desde el que puedo acceder a mis notebooks desde cualquier equipo solo iniciando sesión para continuar en donde me quede.
Ahora, para proyectos personales que pienso compartir en GitHub utilizo el IDE DataSpell. De esa manera tengo control desde las bibliotecas hasta la modularidad y calidad del código ~

Yo solo he trabajado con IDE y editores, me gustan los editores por la versatilidad y porque tienen mas opciones que un editor para depurar, validar, probar y hasta publicar en GIT todo el código sin necesidad de usar diversas apps para lograr lo mismo

Team de JN aquí!, y también utilizo VSCode en caso se requiera que el modelo se despliegue mediante una API con Flask

Se me hace muy cómodo trabajar en los cuadernos de Jupyter si instalo un entorno virtual en Windows y lo abro desde la consola. Eso sí, una vez tenga mayor claridad sobre los resultados que espero obtener. En los cuadernos, ver los resultados de ejecutar líneas no es tan fácil.

Cuando no me es familiar el uso de una librería, o necesito entender mejor los datos que estoy procesando, o los resultados que estoy obteniendo, me gusta usar Spyder de Anaconda. Permite ver el espacio de variables y los tipos de estructuras con facilidad.