# Recursos necesarios

# 🛠️ Recursos y Herramientas Necesarias

Para este curso, **no necesitas instalar nada complejo** en tu computadora. Hemos diseñado las prácticas para trabajar 100% en la nube. Esto significa que podrás avanzar en tus proyectos desde la escuela, tu casa o cualquier lugar con internet.

A continuación, la lista de lo que necesitas tener listo antes de empezar.

---

## 💻 1. Hardware (Tu equipo)
* **Computadora:** Laptop o escritorio (Windows, Mac o Linux/Chromebook).
    * *Nota:* Aunque se puede acceder desde tablets, **no se recomienda** para escribir código cómodamente.
* **Conexión a Internet:** Estable, ya que trabajaremos en línea todo el tiempo.

---

## 🆔 2. Cuentas Requeridas

### 🔹 Una Cuenta de Google
Necesitarás una cuenta de Gmail (personal o institucional, si la escuela lo permite). Esta es la llave maestra para todas nuestras herramientas.
* **¿Por qué?** Usaremos el ecosistema de Google para programar y guardar archivos.

### 🔹 Kaggle (Opcional por ahora)
[Kaggle.com](https://www.kaggle.com/) es la comunidad de Ciencia de Datos más grande del mundo.
* **¿Por qué?** De aquí descargaremos muchos de los "datasets" (conjuntos de datos) para las prácticas. Te avisaremos cuándo registrarte.

---

## ☁️ 3. El Laboratorio: Google Colab

Nuestro entorno de desarrollo principal será **Google Colaboratory** (o "Colab").

* **¿Qué es?** Es como un documento de Word, pero que te permite escribir y ejecutar código de Python.
* **Ventaja:** Te presta una computadora virtual potente (GPU) de Google gratis.
* **Acceso:** [colab.research.google.com](https://colab.research.google.com/)

> **💡 Tarea Previa:**
> Entra a tu Google Drive, crea una carpeta llamada `Curso_ML` y dentro crea otra llamada `Datasets`. Ahí guardaremos todo para tener orden.

---

## 🌐 4. Sitios Web Clave

Guarda estos enlaces en tus favoritos, los usaremos recurrentemente:

1.  **Teachable Machine:** [teachablemachine.withgoogle.com](https://teachablemachine.withgoogle.com/) (Para la Práctica 1).
2.  **Scikit-Learn Docs:** [scikit-learn.org](https://scikit-learn.org/stable/) (La "biblia" de las herramientas que usaremos).
3.  **Pandas Cheat Sheet:** [Guía rápida de Pandas](https://pandas.pydata.org/Pandas_Cheat_Sheet.pdf) (Tu "acordeón" autorizado para manipular datos).

---

## 📚 5. Bibliografía de Apoyo (Opcional)

Si eres curioso y quieres profundizar más allá de las clases, estos recursos son excelentes:

* **Videos:** Canal de YouTube "Dot CSV" (Explica IA en español de forma genial).
* **Libro:** *Python Data Science Handbook* (Disponible gratis en línea en inglés).

---

¡Eso es todo! Si tienes tu cuenta de Google y acceso a internet, estás listo para la **Práctica 1**.