Skip to content

Latest commit

 

History

History
70 lines (42 loc) · 3.3 KB

README.md

File metadata and controls

70 lines (42 loc) · 3.3 KB
Raw

Curso de Entornos Virtuales con Anaconda y Jupyter

Hola, soy tu profesora Carli Code. ¡Bienvenido al Curso de Entornos Virtuales con Anaconda y Jupyter! Este curso está diseñado para llevarte desde los conceptos básicos de los entornos virtuales hasta su uso avanzado en proyectos de ciencia de datos y machine learning. Aprenderás a utilizar herramientas como Anaconda, Jupyter Notebooks, y Cookiecutter para crear, gestionar y automatizar tus proyectos de manera eficiente.

Puedes acceder al curso completo aquí: Curso de Anaconda y Jupyter - Platzi

Objetivo del curso:

Capacitar en la creación y gestión de entornos virtuales con Anaconda y Jupyter Notebooks para proyectos de data science y machine learning. Aprenderán a trabajar de manera eficiente con estas herramientas, optimizando la reproducibilidad y la estructura de sus proyectos.

Objetivos de aprendizaje:

Conocimientos - Sabrá:

  • Qué son los entornos virtuales y por qué es importante utilizarlos en los proyectos de data science y machine learning.
  • Que Anaconda es el principal gestor de entornos virtuales y paquetes especializados en data science y machine learning.
  • Qué son las Jupyter Notebooks y qué opciones puede utilizar para trabajar profesionalmente dependiendo de las necesidades del proyecto.
  • Cuáles son las opciones de plantillas para crear la estructura de proyectos de data science y machine learning usando Anaconda y Cookiecutter.

Syllabus

Módulo 1: Introducción a los entornos virtuales

Objetivo: Comprender los conceptos fundamentales de los entornos virtuales y su importancia en la gestión de dependencias en proyectos.

  • Definición y ventajas de los entornos virtuales.
  • Ejemplos de cómo se utilizan en diferentes proyectos.
  • Creación y activación de entornos virtuales con pip.

Módulo 2: Entornos virtuales con Anaconda

Objetivo: Dominar la creación, gestión y eliminación de entornos virtuales utilizando Anaconda y Conda.

  • Proceso de instalación de Anaconda en diferentes sistemas operativos.
  • Creación, activación y eliminación de entornos virtuales desde la terminal.
  • Uso de Anaconda Navigator para gestionar entornos gráficamente.
  • Actualización, clonación y exportación de entornos virtuales.

Módulo 3: Uso de Jupyter Notebook y JupyterLab

Objetivo: Aprender a trabajar con Jupyter Notebooks y JupyterLab para ejecutar y documentar código de manera interactiva.

  • Uso de Jupyter Notebooks desde Anaconda.
  • Comandos mágicos de Jupyter Notebooks para mejorar la productividad.
  • Control de versiones en Jupyter Notebooks.
  • Ventajas de JupyterLab sobre Jupyter Notebooks.
  • Integración de Jupyter Notebooks con Visual Studio Code.

Módulo 4: Plantillas de proyectos con Cookiecutter

Objetivo: Crear plantillas personalizadas para proyectos de ciencia de datos y machine learning utilizando Cookiecutter.

  • Instalación y configuración de Cookiecutter.
  • Desarrollo de plantillas específicas para proyectos recurrentes.
  • Implementación de hooks en Cookiecutter para automatizar tareas.

Módulo 5: Cierre

Objetivo: Repasar los temas principales y discutir los próximos pasos en la gestión de múltiples entornos en proyectos de data science.