Saltar a contenido

Colab (Teoría)

Ejecuta código Python y R desde el navegador, sin instalar nada

¿Qué es Google Colab?

Google Colab es un entorno de notebooks Jupyter en la nube, gratuito y sin instalación. Solo necesitas una cuenta de Google para empezar en colab.research.google.com.

¿Para qué sirve?

  • Ejecutar código Python (y R) directamente desde el navegador.
  • Compartir análisis, tareas y proyectos con un simple enlace.
  • Acceder a GPU/TPU gratuita para proyectos de datos e IA.

Logo de Google Colab

Ejemplos de notebooks en uso

Notebook de clasificación supervisada con el dataset Iris (Python):

Notebook Python: clasificación supervisada con Iris

Notebook de regresión lineal (R):

Notebook R: modelo de regresión de salarios

Celdas: el corazón de Colab

Un notebook tiene dos tipos de celdas:

Celdas de texto (Markdown) — para explicar, titular y estructurar el trabajo:

# Mi Análisis

Este notebook explora los datos de estudiantes
de la UTFSM durante el semestre 2026.

## Objetivos
- Explorar distribuciones
- Visualizar tendencias
- Ajustar un modelo

Celdas de código Python — para ejecutar análisis y generar visualizaciones:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("datos.csv")
df["nota"].hist(bins=20, color="#0F2044")
plt.title("Distribución de notas")
plt.show()

Celdas de código R — activa R desde el menú: Runtime → Change runtime type → R:

library(ggplot2)
df <- read.csv("datos.csv")
ggplot(df, aes(x = nota)) +
  geom_histogram(fill = "#0F2044", bins = 20) +
  labs(title = "Distribución de notas")

💡 No necesitas instalar R en tu computador — Colab lo tiene listo.

Recursos de la máquina virtual

Cada sesión de Colab asigna una máquina virtual con los siguientes recursos (cuenta gratuita):

  • CPU: ~2 núcleos Intel Xeon.
  • RAM: ~12 GB — suficiente para datasets medianos.
  • Disco: ~100 GB temporales — se borran al cerrar la sesión.
  • GPU T4 (disponible bajo demanda): para modelos de ML/DL.

Menú para cambiar el tipo de runtime y acelerador de hardware

⚠️ Sesiones temporales: si la sesión se desconecta, los archivos locales se pierden. Guarda siempre en Drive.

Puedes verificar los recursos disponibles con estas celdas:

# RAM y CPU
import psutil, platform
print(f"CPU: {psutil.cpu_count()} núcleos")
print(f"RAM total:     {psutil.virtual_memory().total / 1e9:.1f} GB")
print(f"RAM disponible:{psutil.virtual_memory().available / 1e9:.1f} GB")

# GPU asignada
!nvidia-smi --query-gpu=name,memory.total --format=csv,noheader

# Disco disponible
!df -h /

Cambiar el Kernel (Runtime)

Ve a Runtime → Change runtime type para elegir el entorno:

Diálogo para cambiar el tipo de runtime en Colab

  • CPU: para análisis de datos y scripts generales.
  • GPU T4: para entrenamiento de modelos de ML/DL.
  • TPU: para modelos muy grandes con TensorFlow.
  • R: para cambiar completamente el lenguaje del entorno.

⚠️ Cambiar el runtime reinicia la sesión — guarda tu trabajo antes.

Librerías disponibles

Las siguientes librerías vienen preinstaladas en Python:

Librería Para qué sirve
pandas Datos tabulares
numpy Álgebra numérica
matplotlib Gráficos básicos
scikit-learn Machine Learning
tensorflow Deep Learning
seaborn Visualización estadística

Para instalar librerías adicionales:

# Python
!pip install polars lightgbm

# R (con kernel R activo)
install.packages("tidymodels")

⚠️ Las librerías instaladas con !pip se pierden al reiniciar la sesión.

Subir y acceder a datos

Subida directa — para archivos pequeños de uso puntual:

from google.colab import files
uploaded = files.upload()
# → abre un selector de archivos

Desde URL — la opción más reproducible:

import pandas as pd

# Desde GitHub (raw)
url = "https://raw.githubusercontent.com/usuario/repo/main/datos.csv"
df = pd.read_csv(url)

# Desde Google Sheets publicado como CSV
sheet_url = "https://docs.google.com/spreadsheets/d/ID/export?format=csv"
df = pd.read_csv(sheet_url)

Google Drive — la forma más estable para datos persistentes:

from google.colab import drive
drive.mount("/content/drive")

import pandas as pd
ruta = "/content/drive/MyDrive/datos/notas.csv"
df = pd.read_csv(ruta)

💡 Con Drive, los archivos persisten aunque se reinicie la sesión.

Credenciales seguras (Secrets)

Nunca escribas claves o tokens directamente en el código:

# ❌ Mal — expone tu clave en el notebook
API_KEY = "sk-abc123supersecreta"

Usa el panel de Secrets de Colab:

🔑 Ícono de llave (panel izquierdo)
  → "Add new secret"
  → Nombre: MI_API_KEY
  → Valor: tu clave real
  → Activar acceso al notebook

Luego accede a ella en el código:

from google.colab import userdata
api_key = userdata.get("MI_API_KEY")

🔐 Nunca compartas un notebook con claves escritas directamente en el código.

Gemini integrado en Colab

Colab incluye Gemini como asistente IA directamente en el entorno. El ícono ✨ aparece en cada celda de código.

¿Qué puede hacer?

  • Generar celdas de código a partir de una descripción en lenguaje natural.
  • Corregir errores y explicar qué falló.
  • Sugerir análisis exploratorios y mejoras de estilo.

Ejemplo — generar código:

"Crea un gráfico de barras con matplotlib que muestre las notas promedio por carrera."

Ejemplo — corregir un error:

AttributeError: 'SeriesGroupBy' object has no attribute 'means' Gemini detecta que el método correcto es mean() (sin 's') y entrega el código corregido.

Recursos adicionales