Lenguajes y Fundamentos de Programación · LNG-102

JupyterLab multikernel: un aula, todos los lenguajes

Montar un JupyterLab de aula con kernels de Python, R, Julia, C++, Java, JavaScript y Rust.

Bajo demanda Iniciación 6 módulos · 29 clases

Formato asíncrono Docentes FP, Administración pública, Desarrollo JupyterLab, Docker

DESARROLLO DOCENCIA JUPYTER FP

Lo que aprenderás

Instalar JupyterLab y comprender la separación entre servidor, kernels y entornos.
Añadir kernels de R, Julia, C++, Java, JavaScript y Rust y registrarlos correctamente.
Aislar dependencias por kernel con entornos virtuales y evitar conflictos entre lenguajes.
Empaquetar el aula completa en una imagen Docker reproducible para todos los equipos.
Publicar la imagen y desplegarla en un servidor de centro con acceso multiusuario.
Diagnosticar un kernel que no arranca leyendo los registros del servidor y el fichero kernel.json.

Contenido del curso

6 módulos · 29 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Arquitectura de Jupyter 4 clases

Servidor, cliente y kernels: quién hace qué
JupyterLab frente a Notebook clásico
Instalación limpia y primera ejecución
Dónde vive la configuración y cómo se modifica

Módulo 2 · Entornos y dependencias 4 clases

Entornos virtuales y gestores de paquetes
Registrar un entorno como kernel de Python
El fichero kernel.json por dentro
Evitar que un módulo rompa las dependencias de otro

Módulo 3 · Kernels de otros lenguajes 6 clases

R con IRkernel
Julia con IJulia
C++ con xeus-cling
Java con IJava
JavaScript y TypeScript con Deno
Rust con evcxr

Módulo 4 · Empaquetar con Docker 5 clases

Escribir un Dockerfile con todos los kernels
Capas, caché y tamaño de la imagen
Volúmenes para el trabajo del alumnado
Construir, etiquetar y publicar la imagen
docker compose para levantar el aula completa

Módulo 5 · Despliegue multiusuario 5 clases

Opciones de acceso: token, contraseña y proxy
Cuentas y directorios de trabajo por alumno
Límites de memoria y CPU por contenedor
Copias de seguridad de los cuadernos
Actualizar la imagen sin perder el trabajo en curso

Módulo 6 · Operación y diagnóstico 5 clases

Registros del servidor y del kernel
Un kernel que muere al arrancar: rutas del diagnóstico
Conflictos de versiones y cómo revertirlos
Documentar el entorno para el resto del claustro
Caso práctico: aula multikernel desplegada de principio a fin

Requisitos

Manejo básico de la línea de comandos en Linux o en Windows con WSL.
No hace falta saber programar en todos los lenguajes que se instalan.
Docker instalado en el equipo para la parte de empaquetado, o un servidor donde ejecutarlo.

Descripción

En un centro con varios ciclos conviven Python en un módulo, Java en otro y R o C++ en un tercero, y cada uno arrastra su propia instalación, sus versiones y sus incidencias. El resultado son equipos de aula distintos entre sí y sesiones perdidas resolviendo entornos en vez de dando clase.

Este curso monta una sola plataforma para todos ellos. Se parte de una instalación limpia de JupyterLab, se añaden los kernels uno a uno explicando qué instala cada uno y dónde se registra, se aíslan las dependencias y después se empaqueta el conjunto en una imagen Docker que se despliega igual en el aula, en el servidor del centro y en el portátil del docente.

El resultado es un entorno reproducible que se levanta con un comando y se actualiza de forma controlada, con material de aula que funciona igual en cualquier equipo. A partir de aquí encajan los cursos de extensiones de JupyterLab, de publicación con Quarto y los de cada lenguaje concreto.

¿Para quién es este curso?

Profesorado de FP de Informática responsable de preparar los equipos y entornos de varios módulos.
Personal técnico de centros y de administraciones que despliega aulas virtuales y servidores docentes.
Desarrolladores que necesitan un banco de pruebas único para trabajar con varios lenguajes.