Gestion de crise. Comment l'Open Source peut aider

Si tu es venu à Linux Adictos En essayant d’échapper au bombardement médiatique autour du Coronavirus, vous vous êtes trompé de message. L'opportunité pour décrire les grands outils disponibles sous des licences de logiciels libres et open source, c'est trop beau pour le laisser passer.

La vérité est que Parmi les conséquences du changement climatique, de l'erreur humaine et des virus mutants, il faut toujours avoir cette liste à portée de main.

Dans ce premier article, nous allons nous consacrer à Langages de programmation à usage général ou à usage spécifique qui peuvent être utiles en cas de danger. Dans ceux qui continuent nous monterons en spécificité.

Gestion de crise. Pourquoi il est important d'utiliser des logiciels gratuits et open source

Il y a des années, j'ai eu l'occasion de rencontrer la personne en charge de l'établissement des statistiques pour un service de médecine générale. Nous parlons de l'un des hôpitaux universitaires les plus importants d'Argentine. Cette personne m'a montré fièrement sa gestion des fonctions de la base de données Excel. Quand je lui ai demandé pourquoi il n'utilisait pas Access, il m'a regardé comme si j'avais fait une proposition sexuelle particulièrement dégénérée.

Il va sans dire que les informations obtenues par le service étaient incomplètes, tardives et impossibles à partager facilement.

La vérité est que en temps de crise, la rapidité d'obtention, de traitement et de diffusion des informations Il est essentiel. Ceci comprend

• Formulaires faciles à remplir
• Interopérabilité des bases de données
• Flexibilité dans le traitement de l'information
• Capacité à représenter les résultats de manière lisible

Je ne vais pas tomber dans l'évidence de proposer de remplacer Microsoft Office par LibreOffice, vous n'avez pas besoin de moi pour comprendre cela. Ce dont je parle, c'est que ceux qui en sont responsablesla compilation de statistiques doit avoir une connaissance de base de certains langages de programmation avec des fonctions statistiques. Par exemple:

R

R est une langue et un environnement pÀ utiliser dans le calcul statistique et la représentation graphique.

R fournit une grande variété de techniques statistiquess (modélisation linéaire et non linéaire, tests statistiques classiques, analyse de séries chronologiques, classification, regroupement et représentation graphique.

Python

Python est l'Aloe Vera des langages de programmation. ETIl est très facile à apprendre, il est pris en charge par toutes les plates-formes et possède de nombreuses bibliothèques pour travailler avec des données. Certaines d'entre elles sont:

Pandas

Pandas est une bibliothèque pour Python qui fournit des structures de données et des outils d'analyse de données haute performance et facile à utiliser. Le nom n'a rien à voir avec les ours. Pandas est l'acronyme de Data Analysis Library en Python.

La librairie Il est conçu pour une manipulation, une lecture, une agrégation et une visualisation rapides et faciles des données. En utilisant Pandas, il est possible de collecter les données à partir d'un fichier CSV ou TSV ou d'une base de données SQL et de créer un objet Python avec des lignes et des colonnes appelé un bloc de données. La base de données est très similaire à une table dans un logiciel statistique.

marin

Ici nous avons un bibliothèque de visualisation de données qui fournit une interface de haut niveau pour dessiner des graphiques statistiques attractifs et informatifs.

Nous pouvons utiliser Seaborn pour:

• Déterminer les relations entre plusieurs variables (corrélation)
• Regardez les variables catégorielles pour les statistiques agrégées
• Analysez les distributions univariées ou bivariées et comparez-les entre différents sous-ensembles de données
• Dessinez des modèles de régression linéaire pour les variables dépendantes.

Julia

Julia est un langage de programmation à usage général, bien que eDe plus en plus utilisé par les scientifiques et les ingénieurs pour ses capacités de gestion des données et son environnement convivial et riche en fonctionnalités qui comprend: de nombreuses options pour la visualisation et le traçage des données, une gestion facile des ensembles de données avec des options interactives en temps réel, des bibliothèques polyvalentes pour l'apprentissage automatique et des fonctionnalités de calcul parallèle.

En plus des bibliothèques créées nativement pour la manipulation de données, les opérations mathématiques, et celles spécifiques à BigData, le langage de programmation Julia,  il prend également en charge l'utilisation des packages Python, R, C / Fortran, C ++ et Java.