Python para todos (1): Instalación del entorno AnacondaPaloma Recuero de los Santos 14 marzo, 2018 Una vez definido el objetivo del tutorial en el post anterior («Atrévete con el Python: un experimento para todos los públicos»), empezamos propiamente a trabajar. Arrancamos nuestro primer proyecto en Python con la instalación del entorno, la instalación de la plataforma SciPy y la librería scikit-learn. Podemos hacerlo directamente desde la página de Python, sin embargo, vamos a hacerlo de la forma más sencilla (y recomendada para principiantes), que es a través de Anaconda. Anaconda nos instala Python, el entorno de desarrollo y las librerías más importantes para Matemáticas, Ciencia e Ingeniería, evitándonos la dificultad de ir instalando los distintos paquetes de forma independiente y los posibles problemas de compatibilidad de versiones que pudieran surgir. Por tanto, en este primer post del tutorial, aprenderemos a instalar un entorno de desarrollo Python con el que podremos empezar a aprender, practicar y desarrollar software de machine learning y deep learning. Figura 1: Logo Anaconda. Descarga del software de Anaconda Anaconda es un entorno sencillo y gratuito de Python para Data Science. El primer paso consiste en visitar la página web de Anaconda y seleccionar «Download» en la página de descargas. Figura 2: Homepage de Anaconda. Vamos a descargar la versión 3.6. Elegiremos el instalador de 32 bits o 64 bits según tengamos instalado nuestro sistema operativo. (En caso de duda, esta información suele estar en el menú de configuración del sistema, opción «Acerca de» o similar). Figura 3: Descargamos el instalador para nuestro S.O. Una vez descargado el software, podemos lanzar el instalador. Nos va a hacer las preguntas habituales: Figura 4: Lanzamos el instalador. Si la instalación es sólo para el usuario que tiene iniciada la sesión, o para todos los que utilicen el equipo (en este caso, son necesarios privilegios de administrador). Figura 5: Instalación por usuario o por equipo. La ruta de instalación: Figura 6: Indicamos la ruta de instalación. Cómo queremos que se integre con nuestro SO (en este caso Windows), elegimos la opción recomendada por defecto: Figura 7: Seleccionamos cómo queremos que se registre en Windows. Y ya está todo. Sencillo ¿verdad? Figura 8: Final de la instalación. Ya podemos acceder a Anaconda Cloud, que consiste en un servicio de gestión de paquetes que nos permite buscar, acceder, almacenar y compartir notebooks privados, entornos, y a los paquetes SciPy y conda. La nube Anaconda también nos facilita estar al día de las versiones que se hagan a los paquetes y entornos que estemos utilizando. Figura 9: Anaconda Cloud. Ahora, vamos a comprobar que Python se ha instalado correctamente. Para ello, abriremos el Anaconda Prompt (desde el propio menú de Windows, «Agregadas recientemente»)y lanzamos el intérprete de Phyton con el comando phyton. Obtenemos el siguiente resultado, que nos indica la versión Figura 10: Si escribes «help()» puedes acceder a la ayuda interactiva. También puedes practicar con este tutorial . En particular, os recomendamos la sección «3 An informal introducction to Python». En el siguiente post, aprenderemos qué son los Jupyter notebooks, crearemos uno y dejaremos todo preparado para empezar a trabajar con las librerías. ¡No te lo pierdas! Todos los post de este tutorial, aquí: Introducción: Machine Learning con Python para todos los públicos. Python para todos (1): Instalación del entorno Anaconda. Python para todos (2): ¿Qué son los Jupiter Notebook?. Creamos nuestro primer notebook y practicamos algunos comandos fáciles. Python para todos (3): ¿Qué son las librerías?. Preparamos el entorno. Python para todos (4): Empezamos el experimento propiamente. Carga de datos, análisis exploratorio (dimensiones del dataset, estadísticas, visualización etc) Python para todos (5) Final: Creación de los modelos y estimación de su precisión Los post más interesantes de LUCA Data Speaks 2018 organizados por series y temáticas Para mantenerte al día con LUCA visita nuestra página web, suscríbete a LUCA Data Speaks o síguenos en Twitter, LinkedIn y YouTube. Atrévete con Python: un experimento para todos los públicosEsta semana en el blog de LUCA: (12 al 18 de Marzo)
Víctor Vallejo Carballo AI of Things (V): Recomendación y optimización de contenido publicitario en pantallas inteligentes Conoce los beneficios que tecnologías como las pantallas inteligentes y el Big Data ofrecen al sector de la publicidad exterior
Santiago Morante La Inteligencia Artificial en las películas de ciencia ficción: un patrón recurrente de fascinación y terror Así retrata Hollywood los avances en Inteligencia Artificial: descubre qué es el "patrón R.U.R" y por qué lo aplican muchas películas de ciencia ficción
Paloma Recuero de los Santos Cómo interpretar la matriz de confusión: ejemplo práctico La matriz de confusión es una herramienta muy útil para valorar cómo de bueno es un modelo clasificación basado en aprendizaje automático. En particular, sirve para mostrar de forma...
Paloma Recuero de los Santos Tipos de aprendizaje en Machine Learning: supervisado y no supervisado El machine Learning o aprendizaje automático consiste básicamente en automatizar, mediante distintos algoritmos, la identificación de patrones o tendencias que se “esconden” en los datos. Por ello, resulta muy...
AI of Things GOOD TECH TIMES: Reinventando el turismo. Claves para acelerar la recuperación. FORMATO: Charla de 30 minutos + Q&A de 10 minutosCUÁNDO: 16 de junio, 16:00 h (CET)CÓMO: Inscripción gratuita en eventbrite SOBRE QUÉ: La digitalización es una pieza clave en el plan...
Bernardo Campillo Soto Artificial Intelligence of Things, o cómo las cosas planean hacernos la vida más sencilla Al igual que en aquel cuento de los hermanos Grimm dos duendecillos se aliaron para ayudar al zapatero a tener una vida mejor, la inteligencia artificial y las tecnologías...