• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Creación de aplicaciones independientes en Matlab

diciembre 7, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En una entrada anterior se ha visto cómo crear aplicaciones gráficas con Matlab. Con esto se puede conseguir que otros usuarios sin conocimientos técnicos puedan acceder a las funcionalidades creadas. Aunque tiene un problema, cada usuario ha de disponer de una licencia de Matlab para ejecutar el código. Para solucionar esto se puede utilizar la toolbox MATLAB Compiler, con la cual se pueden crear aplicaciones independientes en Matlab. A continuación, se explicará cómo usar esta toobox para crear y distribuir aplicaciones.

Creación de la aplicación

Para crear una aplicación con Matlab es necesario disponer de una licencia de MATLAB Compiler e instalar la toolbox. Cuando esta se encuentra instalada se puede acceder a la función mcc con la que se pueden compilar aplicaciones. Para ello se ha de escribir la siguiente línea en la terminal

mcc -m fun.m

Esto creará una versión compilada de la función en un archivo ejecutable. Por ejemplo, en Windows se creará un archivo con extensión exe y en Mac un paquete ejecutable con extensión app. En el caso de que fun.m haga requiera otras funciones el compilador las incluirá automáticamente, salvo que se llamen mediante eval. Desgraciadamente Matlab no ofrece la posibilidad de realizar compilación cruzada. Un programa compilado en Mac solamente se podrá ejecutar en Mac y lo mismo para los compilados en Windows o Linux.

Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
En Analytics Lane
Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling

En Windows al ejecutarse las aplicaciones aparecerá una terminar con la salida. En caso de que no se desee que aparezca se ha de cambiar la opción -m por `-e.

mcc -e fun.m

Inclusión de otros archivos en el paquete compilado

En caso de que se cree aplicaciones en las que se necesitan otros archivos, por ejemplo, datos o imágenes es necesario indicar estos al compilador para que los incluya. Esto también afecta a las funciones que se llaman mediante eval en lugar de directamente. La forma para indicar los archivos a incluir es mediante la opción -a seguido del archivo. Por ejemplo, para incluir una imagen la aplicación se ha se utilizar la siguiente línea.

mcc -m fun.m -a img.jpg

Lo que incluirá el archivo img.jpg dentro del archivo compilado.

Publicidad


Renombrando el archivo ejecutable

El archivo ejecutable no tiene por que tener el mismo nombre que el código. Mediante la opción -o se le puede indicar el nombre del archivo. Por ejemplo, al escribir el siguiente comando

mcc -m fun.m -o myapp

El ejecutable generado tendrá el nombre myapp en lugar de fun.

Distribuyendo el programa a otros usuarios

Una vez compilada la aplicación se ha de enviar esta al usuario final. Antes de ejecutar la aplicación este ha de instalar MATLAB Runtime en su ordenador. Estas librerías se puede descargar en la web de Matlab: MATLAB Runtime.

El MATLAB Runtime es específico para la versión de Matlab en la que se ha compilado. En caso de que exista una versión posterior del MATLAB Runtime esta no ejecuta los compilados generados en versiones anteriores. Por lo que se ha de indicar al usuario final en qué versión de Matlab se ha generado el ejecutable. Afortunadamente, es posible instalar más de una versión a la vez en el mismo ordenador, facilitando trabajar con compilados generados en diferentes versiones.

Conclusiones

En esta entrada se ha visto cómo crear aplicaciones independientes con Matlab y distribuirlas a usuarios finales. Esto permite distribuir el trabajo sin que los usuarios finales necesitan disponer de una licencia de Matlab en sus ordenadores.

Imágenes: Pixabay (rawpixel)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
  • Por Qué las Contraseñas Largas son más Seguras que las Complejas
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar
  • Curiosidad: El “bug”, la polilla y la leyenda de Grace Hopper
  • Curiosidad: Por qué la criptografía habla siempre de Alice y Bob

Publicado en: Matlab

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Curiosidad: Por qué la criptografía habla siempre de Alice y Bob

septiembre 3, 2026 Por Daniel Rodríguez

Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling

septiembre 1, 2026 Por Daniel Rodríguez

Curiosidad: El “bug”, la polilla y la leyenda de Grace Hopper

agosto 27, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Excel en Python Guardar y leer archivos Excel en Python publicado el julio 30, 2018 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • La distancia de Mahalanobis publicado el abril 19, 2024 | en Ciencia de datos
  • Logitech MX Keys y Master 3 Revisión del Logitech MX Master 3 publicado el mayo 6, 2022 | en Reseñas
  • Aprendizaje Semisupervisado publicado el noviembre 8, 2024 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto