Artículos
-
Otros lenguajesJulia con Python, R y C: interoperabilidad entre ecosistemas científicos
Julia permite llamar a librerías de Python con PyCall.jl, a paquetes de R con RCall.jl y a funciones C/Fortran con ccall sin overhead. Interop sin wrappers para usar el mejor código de cada ecosistema.
-
Otros lenguajesSeries temporales en R: análisis y predicción con forecast y fable en 2026
R tiene el ecosistema más completo para series temporales. Aprende a usar el paquete forecast de Rob Hyndman con auto.arima() y ets(), fable para múltiples series con tidyverse, y prophet de Meta para series con estacionalidad compleja.
-
Otros lenguajesVisualización de datos en Julia: Plots.jl, Makie y CairoMakie en 2026
Julia ofrece Plots.jl como frontend unificado y Makie.jl para gráficos de mayor calidad. CairoMakie para publicaciones, GLMakie para interactividad nativa, WGLMakie para el navegador. Código real y comparativa de backends.
-
Otros lenguajesShiny en R: crear aplicaciones web interactivas de datos sin saber JavaScript
Shiny permite crear aplicaciones web interactivas escribiendo solo R. Aprende la estructura ui/server, el modelo reactivo con reactive() y observeEvent(), los módulos para apps grandes y cómo desplegar en shinyapps.io o en servidor propio.
-
Otros lenguajesParalelismo en Julia: Threads, @distributed y GPU computing con CUDA.jl
Julia no tiene GIL: los threads ejecutan código en paralelo de verdad. Repaso completo a Threads.@threads, @spawn, Distributed.jl para multiproceso, CUDA.jl para GPU NVIDIA y Metal.jl para Apple Silicon.
-
Otros lenguajesMachine learning en R: caret y tidymodels para entrenar y evaluar modelos
R tiene dos frameworks para machine learning: caret, con más de 200 algoritmos bajo una interfaz unificada, y tidymodels, el sucesor moderno con separación limpia entre preprocesamiento, modelado y evaluación. Aprende a usar ambos con validación cruzada y ajuste de hiperparámetros.
-
Otros lenguajesFlux.jl: machine learning en Julia con diferenciación automática nativa
Flux.jl es un framework de machine learning escrito en Julia puro, con Zygote.jl para diferenciación automática en modo reverse. Redes densas, CNN, entrenamiento, GPU y capas personalizadas con código real.
-
Otros lenguajesFoxPro sigue vivo décadas después: el software empresarial que Microsoft dejó atrás
Visual FoxPro lleva más de una década sin soporte oficial de Microsoft, pero miles de empresas siguen usando aplicaciones de facturación, inventario y gestión construidas sobre esta plataforma. Repasamos su historia, desde la rivalidad con dBASE hasta la compra por Microsoft en 1992 y el moti...
-
Otros lenguajesGo nació porque Google tardaba horas en compilar: la apuesta de Ken Thompson por simplificar
En 2007, algunos proyectos de C++ en Google tardaban horas en compilar. Ken Thompson, Rob Pike y Robert Griesemer diseñaron Go para atacar ese problema con un lenguaje deliberadamente simple, hoy la base de Docker, Kubernetes, Prometheus y Terraform.
-
Otros lenguajesModelos estadísticos en R: regresión lineal, logística y GLMs con lm() y glm()
R tiene integrados en base R los modelos estadísticos clásicos. Aprende a ajustar regresión lineal con lm(), regresión logística y Poisson con glm(), interpretar summary(), diagnosticar residuos, comparar modelos con AIC y predecir nuevos datos.