Slide 2
Slide 2 text
DESCRIPCIÓN
El uso de lenguajes de programación se ha vuelto cada vez más
necesario en muchas de las tareas que se desarrollan en los cursos de
los primeros años en las carreras de la Universidad Nacional de
Ingeniería, ya sea porque los modelos teóricos que se desarrollan
carecen de soluciones analíticas o porque algún nuevo estimador que
deseamos utilizar aún no está disponible en un programa con una
interfaz grafica de usuario (GUI, donde podríamos hacer clic con el
mouse), o simplemente porque no es eficiente analizar grandes
conjuntos de datos con hojas de cálculo.
Aquellos que deseen explotar las ventajas de la programación para
realizar estas tareas primero deben decidir cuál de los muchos lenguajes
de programación aprender. Por ejemplo, en mayor o menor extensión,
los ingenieros utilizan los lenguajes C/C++, Fortran, y MATLAB. MATLAB,
históricamente, ha sido especialmente popular en este campo, y hay
muchas herramientas que se han desarrollado para ejecutarse en este
programa.
A pesar de que Python esta en constante crecimiento, aún no es tan
popular como MATLAB entre los ingenieros (sobre todo en países
europeos), su popularidad ciertamente se ha disparado en los últimos
años. Por ejemplo, ya podemos encontrar libros que usan Python para
realizar tareas típicas de ingeniería como procesamiento de
imágenes/señales, diseño de procesos, optimización (lineal , no lineal ,
dinámica, estocástica) y muchas otras áreas de interés para alumnos de
carreras de ciencias e ingenierías.
Python es un lenguaje versátil y fácil de aprender; de hecho, se usa
ampliamente en las mejores universidades de Estados Unidos para
impartir cursos de programación introductoria. Su sintaxis es muy clara,
lo que facilita el desarrollo y el mantenimiento del código. Debido a que
es uno de los lenguajes más populares entre los programadores de
computadoras, existen abundantes recursos para aprenderlo (libros,
foros, blogs, videos, etc). Es una excelente herramienta para realizar
tareas de cálculo científico (gracias a paquetes como Numpy y Scipy),
gestión de datos (pandas), visualización (Matplotlib) y modelado
econométrico (Statsmodels).