Lenguajes y Fundamentos de Programación · PY-140

JupyterLab: entornos reproducibles de análisis

Kernels, entornos, extensiones y control de versiones para que un análisis se pueda repetir meses después.

Bajo demanda Intermedio 7 módulos · 34 clases

Formato asíncrono Desarrollo, Ingeniería / Industria, Docentes FP JupyterLab, Python

DATOS OPENSOURCE JUPYTER

Lo que aprenderás

Instalar y configurar JupyterLab con entornos aislados y kernels registrados por proyecto
Fijar dependencias con un fichero de entorno para que otra persona reproduzca el mismo resultado
Organizar un proyecto de análisis separando datos, cuadernos, código reutilizable y salidas
Versionar cuadernos en Git limpiando salidas y reduciendo conflictos de fusión
Instalar y usar extensiones de JupyterLab para depuración, formato y navegación del cuaderno
Ejecutar un cuaderno completo desde cero y verificar que no depende del orden manual de celdas
Exportar el análisis a HTML o PDF conservando figuras y resultados

Contenido del curso

7 módulos · 34 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · JupyterLab en serio 5 clases

Diferencias entre Notebook, JupyterLab y Colab
Instalación local y primer arranque
Interfaz: explorador, terminal, consola y editor
Atajos y flujo de trabajo eficiente
Estructura del proyecto del curso

Módulo 2 · Entornos y kernels 5 clases

Entornos virtuales y entornos conda
Registrar un kernel por proyecto
Cambiar de kernel dentro del cuaderno
Fichero de dependencias y fijación de versiones
Reconstruir el entorno desde cero

Módulo 3 · Organizar el proyecto 5 clases

Carpetas para datos, cuadernos, código y salidas
Extraer funciones comunes a un módulo importable
Rutas relativas y configuración del proyecto
Datos grandes fuera del repositorio
Convenciones de nombres y de numeración de cuadernos

Módulo 4 · Cuadernos y Git 5 clases

Por qué un cuaderno genera conflictos
Limpiar salidas antes de confirmar
Filtros y herramientas de diferencias para cuadernos
Revisar un cambio de cuaderno en una revisión de código
Estrategia de ramas para análisis

Módulo 5 · Reproducibilidad efectiva 5 clases

Reiniciar y ejecutar todo como prueba de validez
Semillas aleatorias y resultados estables
Registro de versiones y de origen de los datos
Parámetros del análisis en un solo lugar
Comprobación por una segunda persona

Módulo 6 · Extensiones y exportación 5 clases

Depurador integrado y puntos de interrupción
Formato automático y comprobación de estilo
Índice, marcadores y navegación de cuadernos largos
Exportar a HTML y a PDF
Cuadernos como material de clase

Módulo 7 · Caso práctico de cierre 4 clases

Convertir un cuaderno heredado en proyecto reproducible
Creación del entorno y fijación de dependencias
Extracción de código y limpieza del cuaderno
Verificación por ejecución completa y entrega

Requisitos

Programar en Python a nivel de funciones y colecciones
Haber trabajado con cuadernos, aunque sea en Colab
Manejo básico de terminal y de Git a nivel de commit y de repositorio

Descripción

El cuaderno que dio un resultado hace seis meses casi nunca lo vuelve a dar: falta una versión de biblioteca, alguien ejecutó las celdas en otro orden, el fichero de datos ya no está en esa ruta. En un análisis que sostiene una decisión, o en una práctica que debe funcionar igual para todo el alumnado, esa fragilidad es un problema serio.

El curso convierte el cuaderno suelto en un proyecto reproducible: entornos aislados con dependencias fijadas, kernels registrados, estructura de carpetas, código común extraído a módulos, cuadernos versionados en Git sin ruido de salidas, y ejecución completa desde cero como criterio de validez. Se trabajan también las extensiones que hacen el día a día llevadero.

Al terminar, un compañero o un alumno puede clonar el repositorio, crear el entorno con una orden y obtener exactamente el mismo resultado que obtuvo quien lo escribió. Es el requisito previo para trabajar en equipo sobre cuadernos, para montar entornos multiusuario en un servidor y para llevar un análisis a ejecución programada.

¿Para quién es este curso?

Ingenieros y analistas que necesitan poder repetir un análisis meses después con el mismo resultado
Profesorado que reparte cuadernos de práctica y quiere que funcionen igual en todos los equipos
Desarrolladores que colaboran sobre cuadernos y sufren conflictos constantes en el repositorio