Ir al contenido

Diferencia entre revisiones de «Interfaz de notebook»

De Wikipedia, la enciclopedia libre
Contenido eliminado Contenido añadido
InternetArchiveBot (discusión · contribs.)
Rescatando 1 referencia(s) y marcando 0 enlace(s) como roto(s)) #IABot (v2.0
MetroBot (discusión · contribs.)
m Bot: eliminando redirección
 
Línea 43: Línea 43:


== Referencias ==
== Referencias ==
{{Reflist}}
{{Listaref}}


{{Control de autoridades}}
{{Control de autoridades}}

Revisión actual - 00:31 27 ago 2020

Ejemplo de un notebook de IPython

Una interfaz notebook (también llamada 'cuaderno computacional' ) es un entorno virtual de cuaderno utilizado para la programación literaria.[1]​ Combina la funcionalidad del software procesamiento de textos con ambos shell y kernel del lenguaje de programación de esa computadora portátil. Millones de personas usan interfaces de notebooks[2]​ para analizar datos de ciencia, periodismo y educación.

Historia

[editar]

La interfaz notebook se introdujo por primera vez en 1988 con el lanzamiento de Mathematica 1.0 en Macintosh.[3][4][5]​ Fue seguida por Maple en 1989 cuando se lanzó su primera interfaz gráfica de usuario de estilo notebook con la versión 4.3 para Macintosh.[6]​ A medida que la interfaz de notebook aumentó en popularidad durante las siguientes dos décadas, se introdujeron kernel/backends para notebooks en muchos idiomas, incluidos MATLAB, Python, Julia, Scala, SQL y otros.[7][8]

Uso

[editar]

Los notebooks se usan tradicionalmente en las ciencias para documentar procedimientos de investigación, datos, cálculos y hallazgos. Los notebooks siguen la metodología para facilitar la reproducción de resultados y cálculos con diferentes conjuntos de datos.[7][8]

En educación, la interfaz notebook interface proporciona un entorno de aprendizaje digital, particularmente para la enseñanza del pensamiento computacional.[9][10]​ Su utilidad para combinar texto con código los hace únicos en el ámbito de la educación.

Notebooks digitales a veces se usan para presentaciones como una alternativa a PowerPoint y otros software de presentación, ya que permiten la ejecución de código dentro del entorno del cuaderno.[11][12]

Debido a su capacidad para mostrar datos visualmente y recuperar datos de diferentes fuentes modificando el código, los cuadernos (notebooks) también están entrando en el ámbito del software de business intelligence.[7][13][14][15]

Ejemplos notables

[editar]

Ejemplo de proyectos o productos de notebooks:

Notebooks gratuitos/de código abierto

[editar]

Copyleft parcial

[editar]

Notebooks patentados

[editar]

Títulos

[editar]

Títulos posteriores

[editar]
  • Carbide[23]
  • Databricks cloud (fundado en 2013).[7][24]
  • Datalore[25]
  • Nextjournal[26]
  • Observable[27]​ — Utiliza componentes de código abierto,[28]​ pero la apariencia es patentada[29]

Referencias

[editar]
  1. Standage, Daniel (13 de marzo de 2015). «Literate programming, RStudio, and IPython Notebook». BioWize. Wordpress. Consultado el 1 de diciembre de 2016. 
  2. Jupyter, Project. «JupyterLab is Ready for Users». Consultado el 30 de mayo de 2018. 
  3. The ReDiscovered Future (4 de abril de 2016), Macintosh + Mathematica = Infinity - April 1989, consultado el 23 de noviembre de 2016 .
  4. Hayes, Brian (1990). «Thoughts on Mathematica». PIXEL. January/February 1990: 28-35. 
  5. «Launching Wolfram Player for iOS—Wolfram». Consultado el 23 de noviembre de 2016. 
  6. «MTN Special Issue 1994». web.mit.edu. Consultado el 23 de noviembre de 2016. 
  7. a b c d Osipov, Matt (4 de mayo de 2016). «The Rise of Data Science Notebooks». Datanami (Tabor Communications). Consultado el 20 de diciembre de 2016. 
  8. a b «The IPython notebook: a historical retrospective». blog.fperez.org. Consultado el 23 de noviembre de 2016. 
  9. Barr, Valerie; Stephenson, Chris (2011). "Bringing computational thinking to K-12: what is involved and what is the role of the computer science education community?".
  10. «How to Teach Computational Thinking—Stephen Wolfram». blog.stephenwolfram.com. Consultado el 23 de noviembre de 2016. 
  11. Databricks (6 de julio de 2015), Spark Summit 2015 demo: Creating an end-to-end machine learning data pipeline with Databricks, consultado el 23 de noviembre de 2016 .
  12. Frazier, Cat (17 de abril de 2018). «Announcing Wolfram Presenter Tools». Consultado el 27 de noviembre de 2018. 
  13. Andrews, Ian (30 de marzo de 2016). «Delivering information in context». O'Reilly Media. Consultado el 23 de noviembre de 2016. 
  14. «jupyter-incubator/dashboards». GitHub. Consultado el 23 de noviembre de 2016. 
  15. Sharma, Shad. «Business Intelligence with Mathematica and CDF». Consultado el 27 de noviembre de 2018. 
  16. «Zeppelin». Apache. Consultado el 20 de diciembre de 2018. 
  17. «Spark Notebook». Archivado desde el original el 1 de octubre de 2018. Consultado el 30 de septiembre de 2018. 
  18. Jupyter Development Team (22 de abril de 2015). «Licensing terms». Jupyter Notebook. GitHub. Consultado el 20 de diciembre de 2018. 
  19. Project Jupyter Contributors (19 de julio de 2018). «LICENSE». JupyterLab. Consultado el 20 de diciembre de 2018. 
  20. «Iodide». Consultado el 20 de diciembre de 2018. 
  21. «R Markdown». R Studio. Consultado el 30 de septiembre de 2018. 
  22. «Licene». Readme. GitHub. 7 de diciembre de 2018. Consultado el 20 de diciembre de 2018. 
  23. «Carbide Alpha | Buggy But Live!». Try Carbide. Consultado el 20 de diciembre de 2018. 
  24. «Databricks Unified Analytics Platform». San Francisco, CA: Databricks Inc. 2018. Consultado el 20 de diciembre de 2018. 
  25. «Datalore». JetBrains s.r.o. Consultado el 8 de agosto de 2019. 
  26. «Nextjournal». nextjournal.com. Nextjournal GmbH. 2018. Consultado el 20 de diciembre de 2018. 
  27. «Observable». Observable HQ. Consultado el 30 de septiembre de 2018. 
  28. Observable (15 de diciembre de 2018). «Repositories». San Francisco, California: Observable via GitHub. Consultado el 30 de septiembre de 2018. 
  29. «Terms of Service». Observable. 2018. Consultado el 20 de diciembre de 2018.