2 3 Configuración del ambiente de trabajo

 

2.3 Configuración del ambiente de trabajo

En esta lección vamos a preparar tu ambiente de trabajo para que puedas realizar los ejercicios del curso. Comencemos.

Opciones de trabajo

Puedes seguir los pasos de este curso de dos maneras:

1. Google Colab (Recomendado)

Google Colab es una herramienta con la que puedes hacer todo desde tu explorador sin necesidad de instalar nada y es excesivamente fácil. Recomiendo seguir este proceso para que no te detengan detalles técnicos como instalaciones, versiones, etcétera.

Acceso a Google Colab

  1. Ve a collab.research.google.com

  2. Inicia sesión con tu cuenta de Google

  3. ¡Listo! Ya puedes comenzar a trabajar

Configuración inicial

  • Tema: Puedes cambiar entre tema claro y oscuro en Configuración → Tema

  • Conexión al servidor: Da clic en "Conectar" para iniciar el servidor gratuito de Google

  • Ejecución de código: Usa Control+Enter o el botón de ejecución para correr tu código

Características principales

python
# Ejemplo de código en Colab
print("Hola mundo")

  • Celdas múltiples: Puedes agregar bloques de código y texto

  • Guardado automático: Tu trabajo se guarda en Google Drive

  • Subida de archivos: Usa el panel izquierdo para subir datasets

Configuración avanzada

Para lecciones de deep learning:

  • Ve a Entorno de ejecución → Cambiar tipo de entorno de ejecución

  • Selecciona GPU como acelerador de hardware

  • Esto mejorará significativamente el rendimiento

2. Configuración local en tu computadora

Si prefieres trabajar localmente, necesitarás instalar:

Instalación de Python

  1. Ve a python.org/downloads

  2. Descarga la versión para tu sistema operativo

  3. Importante: Durante la instalación, marca la casilla "Add Python to PATH"

  4. En personalización, asegúrate de que todas las opciones estén seleccionadas (incluyendo PIP)

Instalación de Visual Studio Code

  1. Descarga desde code.visualstudio.com

  2. Sigue el proceso de instalación estándar

  3. Recomendado: Activar "Abrir con Code" en el menú contextual

Extensiones necesarias para VS Code

Instala estas extensiones desde el marketplace:

  1. Spanish Language Pack - Para interfaz en español

  2. Python - Soporte para programación en Python

  3. Jupyter - Para trabajar con libretas de Python

Configuración del workspace

  1. Abre una carpeta donde guardarás tus proyectos

  2. Crea archivos con extensión .py para scripts regulares

  3. Crea archivos con extensión .ipynb para libretas Jupyter

Instalación de bibliotecas

Usa la terminal integrada en VS Code:

bash
# Instalar pandas
pip install pandas

# Instalar scikit-learn
pip install scikit-learn

# Instalar otras bibliotecas según necesites

Recomendaciones para el curso

  • Para principiantes: Usa Google Colab para evitar problemas técnicos

  • Para ejercicios de deep learning: Utiliza Google Colab con GPU habilitada

  • Para trabajo local: Mantén tus bibliotecas actualizadas

  • Organización: Guarda tus libretas con nombres descriptivos

Solución de problemas comunes

  • Módulo no encontrado: Usa pip install nombre_del_modulo

  • Error en instalaciones: Verifica que Python esté en el PATH

  • Problemas con libretas: Reinicia el kernel o el entorno de ejecución

¡Ahora tienes listo tu ambiente de trabajo! En la siguiente lección veremos tipos y ejemplos de machine learning.

Comentarios

Publicar un comentario

Entradas más populares de este blog

¿Qué es la Inteligencia Artificial (IA)?

  ¿Qué es la Inteligencia Artificial (IA)? En términos simples, la IA es un campo de la informática que se centra en crear máquinas que puedan realizar tareas que normalmente requieren inteligencia humana. Piensa en la IA no como un robot humanoide, sino como un conjunto de herramientas y algoritmos que pueden: Reconocer patrones:  Como identificar gatos en fotos o el spam en tu correo. Hacer predicciones:  Como predecir el precio de una casa basándose en su tamaño y ubicación. Generar contenido nuevo:  Como crear texto, imágenes o código (esto es lo que hace ChatGPT o Midjourney). Tomar decisiones:  Como un bot que juega ajedrez y elige el mejor movimiento. Para un programador, la IA es, sobre todo, un  nuevo paradigma de programación . Programación Tradicional:  Tú escribes las reglas explícitas.  Si el usuario hace X, entonces el programa hace Y . Programación con IA:  Tú le das a la máquina muchos ejemplos (datos) y ella  aprende ...
Leer más

3.2 Los datos: la base de cualquier modelo

   La Importancia de los Datos en Machine Learning Introducción ¡Bienvenido al tutorial sobre el componente fundamental de cualquier proyecto de Machine Learning: los datos! En esta guía aprenderás por qué los datos son cruciales y los desafíos comunes para obtener datos de calidad. 📊 Sección 1: Los Datos - El Corazón del Machine Learning ¿Por qué son importantes los datos? Analogía : Así como los ingredientes determinan la calidad de una comida, los datos determinan la calidad de tu modelo Principio fundamental : Malos datos = Modelo mal entrenado Resultado ideal : Buenos datos = Capacidad de crear predicciones precisas El mito de la cantidad vs. calidad Tener muchos datos ≠ tener datos útiles La calidad siempre supera a la cantidad Ejemplo: 10,000 registros limpios y relevantes son mejores que 1,000,000 de registros sucios e irrelevantes ⏰ Sección 2: La Realidad del Tiempo en Proyectos ML Distribución del tiempo en proyectos reales: 80% del tiempo: Obtención y preparac...
Leer más

3 3 tus primeros modelos primer modelo librerias

  Librerías Esenciales de Python para Machine Learning Introducción En esta lección veremos las librerías o bibliotecas de Python que estaremos utilizando durante el curso, las cuales son usadas extensivamente en la industria. Comencemos. Enfoque del Curso En este curso nos concentraremos más en los conceptos y aplicaciones prácticas para que puedas usarlo en tus propios proyectos. Una vez que los has aplicado, puedes decidir si entrar más a detalle en cualquiera de los temas, ya sea desde el punto de vista estadístico o matemático de cómo el algoritmo aprende y mejora con los datos. Python como Lenguaje Principal El curso lo haremos con Python, el lenguaje más utilizado actualmente para machine learning y que otra de sus ventajas es que es fácil de usar. Este curso requiere conocimiento básico de Python. Sin embargo, explicaré cada paso con detalle. Librerías Principales que Utilizaremos 1. Pandas Esta biblioteca de código abierto permite leer, manipular y analizar dat...
Leer más