Embedded Files
Fase de Nivelación
Fase de Nivelación
Las primeras semanas están dedicadas al estudio independiente. Para la primera sesión presencial (Clase #4), es prerrequisito haber completado la introducción a Python y estar familiarizado con el entorno de Google Colab (creación de notebooks y ejecución de celdas).
Rutas de Aprendizaje Sugeridas:
Rutas de Aprendizaje Sugeridas:
Curso Introductorio Interactivo (Kaggle)
Recurso basado en ejercicios prácticos de ejecución inmediata, recomendado para estudiantes sin experiencia previa en programación, ya que prioriza la sintaxis básica y la manipulación de datos.
Documentación Científica (Scipy Lecture Notes)
Material de referencia fundamental para la computación científica en Python.
Enfoque Lógico-Matemático (Project Euler)
Plataforma de resolución de problemas matemáticos mediante programación.
Este texto ofrece una introducción breve a la programación en Python orientada a aplicaciones científicas. Está basado en A Primer on Scientific Programming with Python y fue desarrollado originalmente para el curso introductorio IN1900 de la Universidad de Oslo.
PythonForDataScience.pdfNumpy_Python_Cheat_Sheet.pdfgit-cheat-sheet-education.pdfDinámica de las Clases
Dinámica de las Clases
Priorizaremos el uso de los computadores de la sala (Bloque 21) y trabajaremos sobre Google Colab como entorno de ejecución en la nube.
No es necesario usar un equipo portátil ni instalar software, aunque se puede usar en caso de preferir un entorno local.
Antes de la clase, asegúrese de:
Tener una cuenta de Google activa (@unal.edu.co)
Haber ingresado a colab.research.google.com
Entender cómo crear un nuevo "Notebook" (.ipynb), ejecutar una celda de código y guardar el archivo en Drive.
Page updated
Report abuse