Vol. 2 N° 2, julio-diciembre 2023 (5-13)
5
Artículo de investigación
Análisis comparativo de IDEs enfocados a Machine Learning
Comparative analysis of IDEs focused on Machine Learning
José Roberto Sánchez Arteaga*
Empresa Municipal de Agua Potable y
Alcantarillado de Riobamba.
Riobamba-Ecuador
mvvthdp@hotmail.com
https://orcid.org/0009-0009-9992-6252
*Correspondencia:
mvvthdp@hotmail.com
Cómo citar este artículo:
Sánchez, J. (2023). Análisis comparativo de
IDEs enfocados a Machine Learning. Esprint
Investigación, 2(2), 5-13.
https://doi.org/10.61347/ei.v2i2.53
Recibido: 1 de junio de 2023
Aceptado: 1 de julio de 2023
Publicado: 4 de julio de 2023
Resumen: 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.
Palabras clave: Comparativa, desarrollo productivo, entornos de desarrollo integrado,
gestión de datos, machine learning.
Abstract: 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.
Keywords: Benchmarking, data management, integrated development environments,
machine learning, productive development.
Copyright: Derechos de autor 2023 José
Roberto Sánchez Arteaga.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.