Resumen de Análisis comparativo de IDEs enfocados a Machine Learning
- español
El creciente uso de modelos de Machine Learning (ML) para gestionar grandes cantidades de datos, impulsado por la crisis de la Pandemia COVID-19, ha posibilitado el desarrollo productivo de los Entornos de Desarrollo Integrado (IDEs). Sin embargo, existen varios IDEs de desarrollo disponibles y elegir el más adecuado para tareas específicas puede ser un desafío. El objetivo de este estudio es proporcionar una revisión exhaustiva de las diversas herramientas de desarrollo integrado enfocadas para el campo de ML. Para ello, se diseñó una investigación comparativa donde se utilizaron fuentes científicas e índices de popularidad para determinar los lenguajes enfocados en ML, estos fueron Python y R. Posteriormente, a través de la documentación de cada IDE, se identificaron los siguientes: Spyder, PyCharm Community Edition, PyCharm Pro, DataSpell, R-Studio, RKWard, JupyterLab y Visual Studio Code que fue añadido por su popularidad y alta extensibilidad. En los resultados, se conceptualizan estos lenguajes e IDEs que determinamos para su comparación, y se llevó a cabo la comparación considerando características como su compatibilidad multiplataforma, capacidad de depuración con puntos de control, disponibilidad como código abierto, historiales de código, acceso a terminales, integración nativa de control de versiones, soporte para los lenguajes investigados, acceso a base de datos y compatibilidad con cuadernos Jupyter. En conclusión, esta investigación ofrece una comparación exhaustiva de IDEs considerando varias características útiles a la hora de seleccionar uno.
- English
The increasing use of Machine Learning (ML) models to manage large amounts of data, spurred by the Pandemic COVID-19 crisis, has enabled the productive development of Integrated Development Environments (IDEs). However, there are several development IDEs available and choosing the most suitable one for specific tasks can be challenging. The objective of this study is to provide a comprehensive review of the various integrated development tools focused for the ML field. For this purpose, a comparative research was designed where scientific sources and popularity indexes were used to determine the languages focused on ML, these were Python and R. Subsequently, through the documentation of each IDE, the following were identified: Spyder, PyCharm Community Edition, PyCharm Pro, DataSpell, R-Studio, RKWard, JupyterLab and Visual Studio Code which was added for its popularity and high extensibility. In the results, we conceptualize these languages and IDEs that we determined for comparison, and carried out the comparison considering features such as cross-platform compatibility, debugging capability with checkpoints, availability as open source, code histories, terminal access, native version control integration, support for the investigated languages, database access, and compatibility with Jupyter notebooks. In conclusion, this research provides a comprehensive comparison of IDEs considering several useful features when selecting one.
