4

👨🏻‍💻 Google Colab, la mejor herramienta para programar en python🐍

portada.png

En el mundo de la programación las herramientas juegan un rol muy importante para que los desarrolladores puedan tener facilidades al momento de programar ya que se pueden incluir extensiones especializadas o crear atajos de programación en el momento.
Python presenta muchas herramientas que apoyan al programador, mi favorita y la que uso todos los días, incluso en el trabajo es Colaboratory, por lo que hoy te enseñaré cómo usar este increíble nootebook que nos presenta Google para apoyar especialmente a los pythonistas, desarrolladores de machine learning y ciencia de datos entre otros.

¿Qué es Google Colaboratory?
Google Colab Es una herramienta desarrollada por Google basada en Jupyter notebook que opera usando la nube que permite ejecutar y guardar código en Python.
Recuerda que en Google Colab puedes realizar proyectos artificial y ciencia de datos, además de poder usar GPU de manera gratuita para entrenar los modelos y realizar ciertos procesos realizando todo el procesamiento en la nube de manera gratuita.

¿Por qué debería usar Google Colab?
• No requiere configuración, el ambiente está listo para ser usado. Python y muchas librerías están instaladas por defecto.
• Es muy intuitivo, por lo que no se necesita mucho conocimiento previo para usar la herramienta.
• Acceso gratuito.
• Conexión directa a la nube.
• Existen celdas de texto y de código para mantener documentado el programa desarrollado, además de todas las notas que se pueden agregar aparte de los comentarios del código.
• Colab está enlazado a Google drive, por lo que los blocs de notas se guardan por defecto en este servicio en una carpeta que se crea de manera automática.
• Es basado en Jupyter Notebooks, por lo que podrás importar y exportar archivos entre estas plataformas sin problema.

Guía rápida de uso

  1. Dirigirse a Google Colaboratory

  2. Hacer click en Bloc de notas nuevo
    paso 1.png

  3. Encontrarás una nueva página donde identificarás muchas partes importantes:
    partes.png

  4. Escribir el fragmento de código y hacer click en ejecutar para visualizar la respuesta
    paso 4.png

  5. También puedes añadir más celdas de texto o código.
    Paso 5.png

¿Cuáles son los límites de Google Colab?
A pesar que Google Colab es gratuito en casi su totalidad, existe procesos que exigen mayor uso de recursos en la nube como ser GPUs y TPUs, una alternativa es el servicio de Colab Pro, Este presenta un precio de 9,99$ mensuales en donde podrás acceder a mayor proceso de GPU, tiempo de ejecución más amplio, además de más almacenamiento en la nube como ser Google Drive.
Esta herramienta puede ser útil para proyectos de gran escala y necesidad de recursos como ser procesos con big data.

**
Sobre Google Colab y Jupyter Notebooks**
Colab al ser basado en Jupyter conserva la misma estructura en el archivo, por lo que al guardar el archivo este podrá ser subido y ejecutado en Jupyter Notebook sin perder la información.

¿Cómo usar Google Drive y Google Colab?
Google provee muchas facilidades para colaborar con aplicaciones de su mismo ecosistema, gracias eso podemos conectar Google Colaboratory con Google drive con un sencillo paso:

  1. Hacer click en el botón de conexión con Drive
    21.png

  2. Permitir acceso
    22.png

  3. Elegir la cuenta de GMAIL con la que desea conectar colab, sugiero que siempre sea la misma desde la que abrieron Google Colab.

  4. Esperar unos segundos a que termine la conexión
    24.png

  5. Visualizar la carpeta de Drive para acceder a los archivos
    25.png

Mi experiencia con Google Colab
Hace un año empecé a trabajar para una universidad con equipo de investigación en inteligencia artificial y todos estaban acostumbrados a usar Visual Studio Code para desarrollar cualquier código en Python, yo les enseñé la facilidad de uso de Colab y todos decidieron migrar los proyectos a esta plataforma, entre los proyectos hemos tenido diversos temas como ser:

  • Análisis de audio
  • Análisis de imágenes
  • Graficación para ciencia de datos
  • Entrenamiento de modelos de NLP
  • Creación de datasets
  • Manejo de JSONs
    En mis proyectos personales he tenido experiencia con web scraping, ciencia de datos y también evaluación de algoritmos, ¡definitivamente es mi herramienta favorita para programar en Python!
Escribe tu comentario
+ 2