Artículos sobre lenguajes de programación y aplicaciones

Tenemos que diseñar e impartir un curso de Power BI de Microsoft, y queremos mostrar que no solo las fuentes de datos son archivos independientes (de texto delimitado, Excel, etc.)  sino que es posible hacer conexiones con bases de datos, en esta ocasión, del mundo de bases de datos relacionales. Consultando con el chatbot IA de Copilot - para que la cuña apriete tiene que ser mismo árbol - se recomendó la base de datos también de casa, en su versión Express, SQL Server 2025. "SQL Server Express Edition es la base de datos gratuita de nivel de entrada, ideal para aprender y compilar aplicaciones controladas por datos de escritorio y servidor pequeño . Esta edición unificada incluye SQL Server Data Tools (SSDT), integración de aprendizaje automático y Búsqueda de texto completo. Es la mejor opción para proveedores de software independientes, desarrolladores y aficionados que crean aplicaciones cliente. Si necesita características de base de datos más avanzadas, SQL Server Express s...

 Una de las últimas cosas de este ejercicio es que esta instalación de Jupyter se pueda acceder desde un equipo local y en una máquina casera este software que se ha configurado tanto para notebooks en Python como en R. Nuevamente con el acompañamiento de Deep se hace lo siguiente: Se crea el archivo de configuración y se define un password:   Lo que sigue es que una vez creado el archivo de configuración nos vamos a editar este archivo mediante nano. nano ~/.jupyter/jupyter_notebook_config.py Nos indica que tenemos que agregar las siguientes líneas para lograr el acceso desde otros equipos para el uso de este software. Para este caso, se tiene que agregar las líneas. Se guarda el archivo y queda listo el archivo. Para lanzar el Jupyter se lanza la siguiente instrucción para levantar el software. jupyter notebook --ip =0.0.0.0 --port =8888 --no-browser Queda, en la máquina que tiene Jupyter (Ubuntu), investigar la ip de este equipo, lo cual se puede usando ifconfig ...

Como saben, somos gente de R, por muchas razones que quizás en otros artículos he señalado. Entonces, debido a que uno de los doctores - y son más - prefieren el lenguaje de programación R, decidí investigar y agregar el kernel de R a Jupyter. Sin duda, la manera más rápida es preguntarle a tus colegas sintéticos, que en mi caso es DeepSeek.  Después de varios intentos - generalmente es porque hay software que solo existen en entornos virtuales. Podemos observar  en primera instancia que Jupyter, no vive en el equipo global, sino en el entorno virtual:  Cuando en la primera instrucción que es para determinar donde esta instalado jupyter (fuera del entorno virtual) no nos regresa nada. Sin  embargo al entrar al entorno virtual ahora si aparece la ruta donde tenemos el software en cuestión. Además que podemos acceder a R (que es donde vamos a introducir los siguientes comandos) tanto en el entorno virtual como en la máquina en general. Entonces ya en R hacemos lo sigui...

Se ha configurado este viejo equipo intel i5 para ser espejo de un potente equipo del trabajo (estación de trabajo). En ciencia de datos una herramienta indispensable es Jupyter Notebook que se define como  "una aplicación web de código abierto que permite crear y compartir documentos interactivos que contienen código en vivo (principalmente Python , R y Julia), ecuaciones, visualizaciones y texto narrativo. Es una herramienta fundamental para la ciencia de datos, análisis, limpieza de datos y aprendizaje automático.   " según una búsqueda impulsada por la IA ya casi omnipresente en todo. En este equipo no tuvo ninguna dificultad, la distribución de Ubuntu ya viene por defecto Python, que fue lo primero que se probó con esta aplicación basada en web. Con mi colega virtual, la IA Deepseek nos guió de la siguiente manera:   sudo apt update && sudo apt upgrade -y  Generalmente esto lo hago para tener actualizado el sistema. # Crear el entorno virtual pyth...

Como continuación del ejercicio de instalar primero extensiones y después módulos / librerías ahora vamos con una tarea común que es el análisis de grandes conjuntos de datos y vamos con nuestro conjunto de datos de juguete (sintético) - archivo de puestos de trabajo de 21 millones de registros. La verdad todo fluyó bien y solo fue ver ejemplo de la web o de la inteligencia artificial y adecuarlo a mis datos, como aparece aquí, también cronometramos un par de consultas para ver en cuanto tiempo lo realiza. La consulta se realiza aunque con algunos warnings como se ve en la siguiente imagen:

Después de poder instalar extensiones de forma manual, ahora al entrar de lleno a la programación en Python podemos recordar que en los lenguajes modernos es muy necesario instalar módulos o librerías externas y esto normalmente se hace con pip, aunque Anaconda o Conda es un gestor de paquetes más robusto que es otra de las opciones para extender el lenguaje de programación. En este caso vamos a tratar de instalar una librería que es como "el pan nuestro de cada día" la cual es pyspark, en este ejercicio solo creamos la carpeta e insertamos ahí nuestro programa en Python, antes necesitamos instalar dicha librería y la teoría nos dice que lo hagamos con pip install pyspark. El sistema manda el siguiente mensaje: Se puede apreciar que si se desea instalar este paquete o librería para TODO el sistema se tiene que dar la instrucción que se muestra en el mensaje, sin embargo en anteriores artículos hemos abordado la conveniencia de usar "ambientes virtuales" que hasta ah...