No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Aprende todo un fin de semana sin pagar una suscripción 🔥

Aprende todo un fin de semana sin pagar una suscripción 🔥

Regístrate

Comienza en:

3D
1H
51M
32S

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

8/24
Recursos

Aportes 20

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

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

Visual Studio Code !!! hasta el fin…XDXDXD

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.

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 😄

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

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.

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.

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.

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.