Skip to content

Herramientas fundamentales de Python para Cálculo Numérico y Ciencia de Datos.

License

Notifications You must be signed in to change notification settings

ejdecena/Herramientas-Python

Repository files navigation

Herramientas Python.

Herramientas Python es un conjunto de notebooks de aprendizaje sobre las librerías fundamentales para los cursos de Cálculo Numérico y Ciencia de Datos en Python.

Desarrolladores.

Indice de contenido.

  • Control de Versiones GIT: Guía de uso del sistema de control de versiones GIT.
  • Lenguaje Python: Guía de referencias para la instalación e introducción rápida al lenguaje Python.
  • Jupyter Notebook: Entorno de desarrollo interactivo de código Python.
  • Numpy: Librería para el manejo y cálculo numérico de matrices y vectores.
  • Matplotlib: Librería para la visualización de datos en 2D y 3D.
  • Scipy: Librería que contiene distintos algoritmos de cálculo numérico y optimización.
  • Statsmodels: Librería para el análisis y cálculo numérico de funciones estadísticas.
  • Pandas: Librería para el procesamiento de datos.
  • Scikit Learn: Librería para el desarrollo de modelos de Aprendizaje Automático.

Dependencias.

Este proyecto requiere de las siguientes dependencias externas:

  • Jupyter 1.0.0
  • Numpy 1.16.4
  • Matplotlib 3.0.3
  • Seaborn 0.9.0
  • Scipy 1.3.0
  • Statsmodels 0.10.0
  • Xlrd 1.2.0
  • Pandas 0.24.2
  • Scikit Learn 0.21.2

Estas dependencias pueden instalarse por separado siguiendo las instrucciones propias en cada notebook, o pueden instalarse mediante la ejecución de una única instrucción en la terminal:

pip install -r requirements.txt

TODO (por hacer).

Este repositorio es un trabajo en progreso, por lo que aún están pendientes por hacer las siguientes tareas:

Contribuciones.

Este repositorio es de código abierto; lo que quiere decir que cualquier persona interesada puede contribuir en él. Todas las contribuciones serán bienvenidas, incluyendo:

  • Correcciones ortográficas.
  • Nuevas figuras.
  • Correcciones en el código Python, incluídas mejoras de estilo.
  • Mejores ejemplos.
  • Mejores explicaciones.
  • Correcciones de errores conceptuales.

La forma de contribuir es vía la interfaz web de GitHub, mediante peticiones de Pull requests, o reportando los problemas/bugs del repositorio por Issues.