Repositorio template para las ponencias del Programmathon 2020

Este repositorio de GitHub es una plantilla que contiene material (ejemplo) para un workshop dentro del Programmathon 2020. Para utilizarlo en tu ponencia y subir tu material, ve a la siguiente sección.

¿Nunca has usado GitHub, Markdown o Jupyter/Google Colab?

Hay muchas guías en línea para usar estas tecnologías, algunas recomendaciones:

• GitHub: https://guides.github.com/activities/hello-world/.
• Markdown: https://guides.github.com/features/mastering-markdown/.
• Notebooks:
  • Jupyter: https://jupyter.org/
  • Nbviewer: https://nbviewer.jupyter.org/github/jupyter/notebook/tree/master/docs/source/examples/Notebook/
  • Google Colab: https://colab.research.google.com
  • Azure notebooks: https://notebooks.azure.com/

¿Tienes más dudas? Escríbele a los organizadores o abre un issue.

¿Cómo usar esta plantilla para mi ponencia?

1. Crea tu propio GitHub repo.
2. Clona o descarga este repo.
3. Copia los archivos de esta plantilla (que clonaste/descargaste en el paso anterior) a tu repo. Puedes eliminar todos los archivos que no sean necesario (hay algunos de ejemplo).
4. Edita y llena el repo con datos/código/notebooks y un README.md especifico para tu ponencia.

Organización del repositorio

La estructura está inspirada en una versión lite de cookie cutter data science project:

• data/: Carpeta de datos para tu taller. Es recomendable enfocarse en un dataset o dos durante el workshop (ven lugar de varios), así los talleristas podrán profundizar en aspectos específicos de los datos y después enfocar su atención a la parte algorítmica/teoría del taller.
• code/: Conjunto de scripts y funciones de utilidad para usar en los notebooks.
• notebook/: Notebooks que se pueden lanzar en colab (o la plataforma que hayas definido). Enumera los notebook en orden de uso.
• media/: Imágenes, PDFs y demás material de media para usar en tus notebooks y repo.
• environment.yml: Archivos de configuración de entornos de Anaconda para crear tu entorno localmente.
• README.md: Archivo Markdown de entrada para la página y tu ponencia.

¿Sugerencias? ¿Mejoras?

Manda un pull request, lo evaluaremos, empezaremos una discusion y si es buena idea lo incorporaremos. 💯

Instrucciones para asistentes

Las siguientes instrucciones se pueden copiar para tu ponencia.

La mayoría de las sesiones prácticas se desarrollarán en Python 3.7+, por lo que a continuación te compartimos la manera en la que puedes preparar tu entorno.

Cosas para preparar:

• Una laptop.
• Este repositorio de GitHub clonado y actualizado antes de la ponencia.
• Un sentido aventurero en los datos y la programación.
• Un ambiente Python 3.7+ con Anaconda (ver opciones 1 y 2 abajo).

Las ponencias serán impartidocompartidass usando notebooks de Jupyter, documentos con código ejecutable, texto, ecuaciones, visualizaciones, imágenes y demás material. Los notebooks se pueden crear y ejecutar en la nube vía Google Colab (opción 1) o de manera local en tu computadora a través de Jupyter Notebooks usando Anaconda (opción 2).

Opción 1: Google Colab

Google Colab es un servicio de Google para ejecutar notebooks en la nube. Provee ambientes de Python 2 y 3 con CPUs, GPUs y TPUs. ¡Y es gratis! Sólo necesitas tener una cuenta de Google o crear una.

Recomendamos que elijas un ambiente con Python 3 y GPU para tu ponencia. Para activarlo:

• Abre el menú Entorno de ejecución
• Elige la opción Restablecer todos los entornos de ejecución...
• Vuelve a abrir Entorno de ejecución
• Elige Cambiar tipo de entorno de ejecución
• Selecciona Python 3 como Tipo de ejecución y GPU de la lista de Acelerador por hardware

La siguiente captura de pantalla ilustra este proceso.

En Google Colab puedes crear un nuevo notebook, subir uno existente desde tu computadora o importarlo de Google Drive o GitHub.

Opción 2: Ambiente local

Para tener la versión de Python 3.7+ y todas las bibliotecas instaladas en cualquier plataforma, recomendamos que uses Anaconda y generes un ambiente con el archivo environment.yml de este repositorio usando una terminal y el comando:

conda env create -n qhub -f environment_cpu.yml

Cambia el nombre qhub por tu nombre favorito para el ambiente. Si cuentas con un GPU Nvidia y deseas aprovecharlo cambia el archivo environment_cpu.yml a environment_gpu.yml.

Para activar el ambiente que creaste, en una terminal ingresa el comando

conda activate qhub

Una vez activado, puedes ejecutar la aplicación de Jupyter Notebook

jupyter notebook

Este comando abrirá una pestaña o ventana en tu navegador web, como se muestra en la siguiente captura de pantalla:

Al igual que en Google Colab, puedes crear un nuevo notebook seleccionando el botón New y posteriormente Python 3. De forma alternativa, puedes abrir uno existente seleccionando el archivo del notebook (con extensión .ipynb) dentro del directorio donde ejecutaste Jupyter Notebook. Con el botón Upload agregas archivos que se encuentran en otra parte de tu computadora a este directorio. Para cerrar Jupyter Notebook, presiona el botón Quit y posteriormente cierra la pestaña o ventana de tu navegador web.

Para desactivar el ambiente qhub de Anaconda simplemente ejecuta:

conda deactivate

Atribuciones

Este repositorio está construido a partir de la plantilla creada para la Reunión Internacional de Inteligencia Artifical y sus Aplicaciones (RIIAA), que puedes encontrar aquí.