Introducción al Machine Learning #2 - Entorno de desarrollo

Bueno, es momento de preparar nuestro entorno. Lo que haremos hoy sera descargar las herramientas necesarias para realizar los ejemplos y resolver los problemas que nos ayudaran a reforzar nuestros conocimientos.

Índice

    Nuestro entorno de trabajo:

    Existen muchos entornos de desarrollo con los cuales podemos trabajar cómodamente. Pero el mejor para trabajar con algoritmos de Aprendizaje Automático, visualización de datos y análisis de datos es Jupyter. No digo que sea el mejor, para mi es donde mejor podremos trabajar.

    Jupyter nos permite dividir bloques de código, nos permite visualizar datos de forma rápida, y compartir nuestro código con mucha facilidad. Incluso existen diversos tutoriales por Internet que nos explican con profundidad como manejar Jupyter.

    Resultado de imagen para jupyter

    Queda de tu parte elegir otro entorno, como lo son los editores de texto Sublime Text, Gedit, Atom, Notepad++ y muchísimos más. Incluso, puedes trabajar desde tu shell.


    Puedes ver más información sobre Jupyter en su pagina web: http://jupyter.org/.


    Incluso puedes probarlo en linea desde: try.jupyter.org.


    Si quieres descargar Jupyter, puedes hacerlo desde tu shell usando PIP. Simplemente utilizamos el comando 'pip install jupyter', como se muestra en la siguiente imagen:


    En la imagen se muestra el comando utilizando el sistema operativo Windows 7.


    Luego, podremos ejecutar el shell interactivo de Jupyter utilizando el comando 'py -m notebook':



    Luego, se nos abrirá el notebook jupyter en nuestro navegador. Para iniciar un nuevo script python nos vamos a la parte derecha de la pagina y damos click sobre 'New', y elegimos la opción Python 3:

    Luego, veremos nuestro shell interactivo, pueden experimentar con el, en próximos artículos veremos más a cerca de jupyter:

    Módulos necesarios:

    Por ultimo, descargaremos el modulo Scikit-Learn, este modulo contiene los algoritmos que utilizaremos.

    Todas las practicas y los problemas resueltas haran uso de el modulo Scikit-Learn, así que si quieran realizar las practicas presentadas en los artículos, es necesario disponer de la librería Scikit-Learn.

    Para descargar la libreria, podemos usar nuestro shell ya sea en Linux o Windows utilizando PIP:

    Esperamos que termine la instalación y listo. 

    Si prefieren, pueden ir a la pagina oficial de Scikit-Learn y ver las otras opciones de instalación: http://scikit-learn.org/stable/install.html.

    Bueno, esas son las herramientas que utilizaremos, como pueden observar son muy pocos recursos, los cuales podemos obtener en menos de 15 minutos.

    Es un articulo un poco corto y aburrido, pero es necesario tener todo listo para que al momento de trabajar, no tengamos que estar descargando archivos o sftware. 

    Y se preguntaran ¿Por que Scikit-Learn?. Bueno, eso es una historia para otro día.
    1. Fernando Miño dice:

      Gracias y a esperar el siguiente

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    Subir

    Te has suscrito correctamente al boletín

    Se produjo un error al intentar enviar tu solicitud. Inténtalo de nuevo.

    Mi Diario Python will use the information you provide on this form to be in touch with you and to provide updates and marketing.