Krisenmanagement. Wie Open Source helfen kann

Wenn du zu dir kommst Linux Adictos Um dem Medienbombardement über das Coronavirus zu entgehen, haben Sie den falschen Beitrag eingegeben. Die Gelegenheit um die großartigen verfügbaren Tools zu beschreiben Unter freien und Open-Source-Softwarelizenzen ist es zu gut, darauf zu verzichten.

Die Wahrheit ist, dass Unter den Folgen des Klimawandels, menschlicher Fehler und mutierter Viren sollte man diese Liste immer zur Hand haben.

In diesem ersten Artikel widmen wir uns Allgemeine oder spezielle Programmiersprachen, die in Gefahrenzeiten nützlich sein können. In denen, die weitergehen, werden wir in der Spezifität aufsteigen.

Krisenmanagement. Warum es wichtig ist, freie und Open-Source-Software zu verwenden

Vor Jahren hatte ich die Gelegenheit, die Person zu treffen, die für die Erstellung von Statistiken für einen allgemeinmedizinischen Dienst verantwortlich ist. Wir sprechen über eines der wichtigsten Universitätskliniken in Argentinien. Diese Person zeigte mir stolz seinen Umgang mit Excel-Datenbankfunktionen. Als ich ihn fragte, warum er Access nicht benutze, sah er mich an, als hätte ich einen besonders entarteten sexuellen Vorschlag gemacht.

Das versteht sich von selbst Die Informationen, die der Dienst erhielt, waren unvollständig, verspätet und konnten nicht einfach weitergegeben werden.

Die Wahrheit ist, dass in Krisenzeiten die Geschwindigkeit beim Erhalten, Verarbeiten und Verteilen von Informationen Es ist wichtig. Das beinhaltet

• Einfach auszufüllende Formulare
• Datenbankinteroperabilität
• Flexibilität in der Informationsverarbeitung
• Fähigkeit, die Ergebnisse leserlich darzustellen

Ich werde nicht in die Offensichtlichkeit geraten, Microsoft Office durch LibreOffice zu ersetzen. Ich muss das nicht realisieren. Ich spreche davon, dass die Verantwortlichen dafürDas Erstellen von Statistiken sollte ein grundlegendes Verständnis einiger Programmiersprachen mit statistischen Funktionen haben. Zum Beispiel:

R

R ist eine Sprache und eine Umgebung pZur statistischen Berechnung und grafischen Darstellung.

R bietet eine Vielzahl von statistischen Technikens (lineare und nichtlineare Modellierung, klassische statistische Tests, Zeitreihenanalyse, Klassifizierung, Gruppierung und grafische Darstellung.

Python

Python ist die Aloe Vera der Programmiersprachen. UNDEs ist sehr einfach zu erlernen, wird von allen Plattformen unterstützt und verfügt über viele Bibliotheken mit Daten arbeiten. Einige von ihnen sind:

Pandas

Pandas ist eine Bibliothek für Python, die bietet Datenstrukturen und leistungsstarke Datenanalysetools und einfach zu bedienen. Der Name hat nichts mit Bären zu tun. Pandas ist die Abkürzung für Data Analysis Library in Python.

die Bibliothek Es wurde für die schnelle und einfache Bearbeitung, das Lesen, die Aggregation und die Visualisierung von Daten entwickelt. Mit Pandas ist es möglich, die Daten aus einer CSV- oder TSV-Datei oder einer SQL-Datenbank zu sammeln und ein Python-Objekt mit Zeilen und Spalten zu erstellen, die als Datenrahmen bezeichnet werden. Der Datenrahmen ist einer Tabelle in einer Statistiksoftware sehr ähnlich.

Seegeboren

Hier haben wir sind eine Datenvisualisierungsbibliothek, die eine übergeordnete Schnittstelle bietet attraktive und informative statistische Grafiken zu zeichnen.

Wir können Seaborn verwenden, um:

• Bestimmen Sie die Beziehungen zwischen mehreren Variablen (Korrelation)
• Schauen Sie sich kategoriale Variablen für aggregierte Statistiken an
• Analysieren Sie univariate oder bivariate Verteilungen und vergleichen Sie sie zwischen verschiedenen Teilmengen von Daten
• Zeichnen Sie lineare Regressionsmodelle für die abhängigen Variablen.

Julia

Julia ist eine universelle Programmiersprache, obwohl eWird zunehmend von Wissenschaftlern und Ingenieuren für seine Datenverwaltungsfunktionen und seine benutzerfreundliche, funktionsreiche Umgebung verwendet Dazu gehören: viele Optionen für die Datenvisualisierung und -darstellung, einfache Handhabung von Datensätzen mit interaktiven Optionen in Echtzeit, vielseitige Bibliotheken für maschinelles Lernen und Funktionen für paralleles Rechnen.

Zusätzlich zu den Bibliotheken, die nativ für die Datenmanipulation, mathematische Operationen und die für BigData, die Programmiersprache Julia, spezifischen Bibliotheken erstellt wurden,  Es unterstützt auch die Verwendung von Python-, R-, C / Fortran-, C ++ - und Java-Paketen.