Este mes pasado, en Decisions creamos un seminario web sobre la integración de R y Python con nuestra plataforma Decisions. Puede ver una grabación del seminario web o lea un poco más para aprender qué hacen R y Python y por qué integrarlos con Decisiones es útil y fácil de lograr.
El análisis de datos es un tema candente en estos días y los "Boot Camps" de análisis están surgiendo en todo el país. Entre las herramientas de análisis de datos más populares se encuentran R y Python. Estas dos herramientas son de código abierto, gratuitas y tienen bibliotecas de extensión que incluyen capacidades como:
- Aprendizaje automático (las bibliotecas de ejemplo incluyen: Tensorflow, SciKit Learn, Keras)
- Visualizaciones y gráficos (ggplot2, matplotlib)
- Computación científica (NumPy)
- Manipulación de datos (tidyverse, Pandas)
- Mapeo (ggmap)
- Procesamiento de imágenes (OpenCV, Pillow)
Existen literalmente miles de bibliotecas y paquetes que se pueden agregar a R y/o Python y que logran casi cualquier cosa que pueda imaginar. En particular, los paquetes de aprendizaje automático como Tensorflow, SciKit Learn y Keras tienen un sólido historial y se incluyen en una serie de opciones de aprendizaje automático de plataformas en la nube.
Entonces, dado que estas aplicaciones tienen todas estas capacidades, ¿qué falta?
Infraestructura de aplicaciones
Bueno, para empezar, el mundo del análisis de datos y el desarrollo de software son dos mundos diferentes. Los analistas de datos suelen tomar muchos datos recopilados a través de las operaciones e intentar modelarlos, buscando información. Estas ideas suelen implicar cosas como el comportamiento del cliente, la eficiencia operativa o simplemente la detección de anomalías. Estas ideas son importantes, pero debe haber una forma de poner en producción esta información y ahí es donde entra el desarrollo de software tradicional.
