Skip to main content

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 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

💡 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 (Para la Práctica 1).
  2. Scikit-Learn Docs: scikit-learn.org (La "biblia" de las herramientas que usaremos).
  3. Pandas Cheat Sheet: Guía rápida de Pandas (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.

Back to top