Google colab

Google colab

Google Colab es probablemente el servicio en la nube más popular para el aprendizaje automático.

Como parte del área de Google Cloud, ofrece acceso gratuito a la informática de GPU y TPU y permite un excelente ecosistema para trabajar y desarrollar algoritmos. Una buena alternativa al trabajo a nivel local.

1. Instalar Google colab

En Google drive damos clic derecho en la unidad y buscamos en menú más, buscamos conectar más aplicaciones, se abre la ventana de Google Marketplace, buscamos colaboratory, seleccionamos colaboratory e instalamos.

1.  Ventajas de Google colab

Google Colab es también uno de los servicios en la nube más famosos para científicos de datos experimentados, investigadores e ingenieros de software.

Si bien Google Colaboratory parece fácil de comenzar, tiene algunos aspectos de más complejidad.

Dentro de todo, hay varias ventajas de usar Google Colaboratory, por sobre el trabajo a nivel local con el uso de las propias máquinas locales.

Algunos de los beneficios concretos de Google Colab son:

• No necesita hacer una configuración de entorno. Viene con paquetes importantes preinstalados y listos para usar.
• Proporciona acceso directo en el navegador a Jupyter Notebook
• GPU gratis
• Permite almacenar cuadernos en Google Drive
• Permite importar cuadernos desde Github
• Entrega un código de documento con Markdown
• Da la opción de cargar datos desde la unidad

1. ¿Cómo usar Google colab?

Lo primero es crear un nuevo cuaderno en Google Colab.

Luego de crear un nuevo cuaderno, se puede inmediatamente comenzar a ejecutar el código en éste.

El sistema permite importar cuadernos desde GitHub, la máquina local o Google Drive.

Todos los cuadernos que se creen en Google Colab se almacenan por defecto en la cuenta de Google Drive. Se crea automáticamente una carpeta llamada “Colab Notebooks” donde se pueden encontrar todos los cuadernos creados a partir de Google Colaboratory.

Jupyter Notebook

Jupyter Notebook es una aplicación cliente-servidor lanzada en 2015 por la organización sin ánimo de lucro Proyecto Jupyter. Permite crear y compartir documentos weben formato JSON que siguen un esquema versionado y una lista ordenada de celdas de entrada y de salida. Estas celdas albergan, entre otras cosas, código, texto (en formato Markdown), fórmulas matemáticas y ecuaciones, o también contenido multimedia (Rich Media). El programa se ejecuta desde la aplicación web cliente que funciona en cualquier navegador estándar. El requisito previo es instalar y ejecutar en el sistema el servidor Jupyter Notebook. Los documentos creados en Jupyter pueden exportarse, entre otros formatos, a HTML, PDF, Markdown o Python y también pueden compartirse con otros usuarios por correo electrónico, utilizando Dropbox o GitHub o mediante el visor integrado de Jupyter Notebook.

Los dos componentes principales de Jupyter Notebook son un conjunto de núcleos (Interpreter) y el Dashboard. Cada núcleo o kernel es un motor de ejecución para un lenguaje que se encarga de procesar las solicitudes y devolver las respuestas apropiadas. El kernel por defecto es IPython, un intérprete de líneas de comandos que permite trabajar con Python. Gracias a los 50 kernels restantes, es posible trabajar también con otros lenguajes como C++, R, Julia, Ruby, JavaScript, CoffeeScript, PHP o Java. Por un lado, el Dashboard (panel de control) funciona como una interfaz de administración de cada uno de los kernels y, por otro, como un centro de control desde donde es posible crear nuevos documentos o abrir proyectos existentes. Jupyter Notebook está disponible bajo una licencia BSD modificada, por lo que cualquier usuario puede usarlo gratuitamente.

1. ¿Para qué se utiliza Jupyter Notebook?

Jupyter Notebook proporciona un entorno pensado para satisfacer necesidades concretas y ajustarse al flujo de trabajo de la ciencia de datos y la simulación numérica. En una sola interfaz, los usuarios pueden escribir, documentar y ejecutar código, visualizar datos, realizar cálculos y ver los resultados. Concretamente, la fase de prototipado incluye la ventaja de que el código se organiza en celdas independientes, es decir, es posible probar bloques concretos de código de forma individual. Gracias a que existen muchos kernels o núcleos adicionales, Jupyter no se limita al lenguaje de programación Python, lo que aporta muchísima flexibilidad a la hora de crear código y de hacer análisis.

...