Análisis comparativo de IDEs enfocados a Machine Learning

Abstract

El creciente uso de modelos de Machine Learning(ML) para gestionar grandes cantidades de datos que existen actualmente, impulsado por la crisis de la Pandemia COVID-19, ha llevado al desarrollo productivo de estos modelos gracias a 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, este estudio se basa en una investigación comparativa, en la que 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. De esta manera 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, compatibilidad con cuadernos Jupyter. En conclusión, esta investigación ofrece una comparación exhaustiva de IDEs considerando varias características que pueden ser útiles a la hora de seleccionar uno.