Si ya conoces Colab, echa un vistazo a este vídeo para obtener información sobre las tablas interactivas, la vista del historial de código ejecutado y la paleta de comandos.
¿Qué es Colaboratory?¶
Colab, también conocido como "Colaboratory", te permite programar y ejecutar Python en tu navegador con las siguientes ventajas:
- No requiere configuración
- Acceso a GPUs sin coste adicional
- Permite compartir contenido fácilmente
Colab puede facilitar tu trabajo, ya seas estudiante, científico de datos o investigador de IA. No te pierdas el vídeo de Introducción a Colab para obtener más información. O simplemente empieza con los pasos descritos más abajo.
Primeros pasos¶
El documento que estás leyendo no es una página web estática, sino un entorno interactivo denominado cuaderno de Colab que te permite escribir y ejecutar código.
Por ejemplo, a continuación se muestra una celda de código con una breve secuencia de comandos de Python que calcula un valor, lo almacena en una variable e imprime el resultado:
seconds_in_a_day = 24 * 60 * 60
seconds_in_a_day
86400
Si quieres ejecutar el código de la celda anterior, haz clic para seleccionarlo y pulsa el botón de reproducir situado a la izquierda del código o usa la combinación de teclas "Comando/Ctrl + Intro". Para editar el código, solo tienes que hacer clic en la celda.
Las variables que definas en una celda se pueden usar después en otras celdas:
seconds_in_a_week = 7 * seconds_in_a_day
seconds_in_a_week
604800
Los cuadernos de Colab te permiten combinar código ejecutable y texto enriquecido en un mismo documento, además de imágenes, HTML, LaTeX y mucho más. Los cuadernos que creas en Colab se almacenan en tu cuenta de Google Drive. Puedes compartir tus cuadernos de Colab fácilmente con compañeros de trabajo o amigos, lo que les permite comentarlos o incluso editarlos. Consulta más información en Información general sobre Colab. Para crear un cuaderno de Colab, puedes usar el menú Archivo que aparece arriba o bien acceder al enlace para crear un cuaderno de Colab.
Los cuadernos de Colab son cuadernos de Jupyter alojados en Colab. Para obtener más información sobre el proyecto Jupyter, visita jupyter.org.
Ciencia de datos¶
Con Colab, puedes aprovechar toda la potencia de las bibliotecas más populares de Python para analizar y visualizar datos. La celda de código de abajo utiliza NumPy para generar datos aleatorios y Matplotlib para visualizarlos. Para editar el código, solo tienes que hacer clic en la celda.
import numpy as np
import IPython.display as display
from matplotlib import pyplot as plt
import io
import base64
ys = 200 + np.random.randn(100)
x = [x for x in range(len(ys))]
fig = plt.figure(figsize=(4, 3), facecolor='w')
plt.plot(x, ys, '-')
plt.fill_between(x, ys, 195, where=(ys > 195), facecolor='g', alpha=0.6)
plt.title("Sample Visualization", fontsize=10)
data = io.BytesIO()
plt.savefig(data)
image = F"data:image/png;base64,{base64.b64encode(data.getvalue()).decode()}"
alt = "Sample Visualization"
display.display(display.Markdown(F""""""))
plt.close(fig)
Puedes importar tus propios datos a los cuadernos de Colab desde tu cuenta de Google Drive, incluidas las hojas de cálculo, y también desde GitHub y muchas fuentes más. Para obtener más información sobre cómo importar datos y cómo se puede usar Colab en la ciencia de datos, consulta los enlaces que aparecen en la sección Trabajar con datos más abajo.
Aprendizaje automático¶
Con Colab, puedes importar un conjunto de datos de imágenes, entrenar un clasificador de imágenes con dicho conjunto de datos y evaluar el modelo con tan solo usar unas pocas líneas de código. Los cuadernos de Colab ejecutan código en los servidores en la nube de Google, lo que te permite aprovechar la potencia del hardware de Google, incluidas las GPU y TPU, independientemente de la potencia de tu equipo. Lo único que necesitas es un navegador.
Colab es una herramienta muy utilizada en la comunidad de aprendizaje automático. Estos son algunos ejemplos de las aplicaciones que tiene Colab:
- Dar los primeros pasos con TensorFlow
- Desarrollar y entrenar redes neuronales
- Experimentar con TPUs
- Divulgar datos de investigación sobre IA
- Crear tutoriales
Para ver cuadernos de Colab que demuestran las aplicaciones del aprendizaje automático, consulta los ejemplos de aprendizaje automático de abajo.
Más recursos¶
Trabajar con cuadernos en Colab¶
- Información general sobre Colaboratory
- Guía de Markdown
- Importar bibliotecas e instalar dependencias
- Guardar y cargar cuadernos en GitHub
- Formularios interactivos
- Widgets interactivos
Trabajar con datos¶
- Cargar datos: Drive, Hojas de cálculo y Google Cloud Storage
- Gráficos: visualización de datos
- Primeros pasos con BigQuery
Curso intensivo de aprendizaje automático¶
A continuación, se muestran algunos cuadernos del curso online de Google sobre aprendizaje automático. Para obtener más información, consulta el sitio web del curso completo.
Uso de hardware acelerado¶
Ejemplos destacados¶
Reemplaza voces con NeMo: usa NeMo, el kit de herramientas de IA conversacional de Nvidia, para sustituir una voz de un fragmento de audio por otra generada por ordenador.
Reentrenamiento de un clasificador de imágenes: crea un modelo de Keras sobre un clasificador de imágenes preparado previamente para que distinga flores.
Clasificación de textos: clasifica las reseñas de películas de IMDb en positivas o negativas.
Transferencia de estilo: utiliza el aprendizaje profundo para transferir el estilo de una imagen a otra.
Codificador universal de frases multilingüe para preguntas y respuestas: utiliza un modelo de aprendizaje automático para contestar preguntas con el conjunto de datos SQuAD.
Interpolación de vídeo: predice lo que ocurre entre el primer y el último fotograma de un vídeo.