Curso de Python orientado a la ingeniería

⚠️ Este curso ya no está mantenido, y queda disponible en abierto para quienes quieran aprovechar el material. Puedes leer más sobre el fin de AeroPython en este artículo.

Si acabas de llegar, no tienes instalado Python o no conoces el Notebook de IPython te recomendamos que leas esta introducción. En ella aprenderás cómo descargar y utilizar el material del curso.

También puedes probar a ejecutar los notebooks online desde tu navegador (¡sin instalar nada!):

Notebooks interactivos online:

(esto es una versión demo y en fase beta, no utilices esta opción para guardar tu trabajo)

Si sólo quieres echar un vistazo, puedes visualizar los notebooks de cada clase en: https://nbviewer.jupyter.org/github/AeroPython/Curso_AeroPython/tree/master/notebooks_completos/

• Juan Luis Cano

• Álex Sáez

• Jesús Martos

• Siro Moreno

• José Luis Cercós

• Mabel Delgado

Primera edición: marzo 2014 (tag v1.0)

Segunda edición: octubre 2014

Tercera edición: abril de 2015

Cuarta edición: marzo de 2018

Quinta edición: noviembre de 2018

• [ES] Curso de Python para científicos e ingenieros

• [ES] Recursos para aprender Python
• [EN] Software-Carpentry: Talleres de Python, Linux, SQL, GitHub (EN)
• [EN] A gallery of interesting Jupyter and IPython Notebooks
• [EN] Python tutor

• [EN] Python Data Science Handbook
• [EN] A Whirlwind Tour of Python
• [EN] Automate the Boring Stuff with Python

• Project Euler: problemas de algoritmia: https://projecteuler.net/

• Punto flotante:

  • cosas básicas: https://floating-point-gui.de/formats/fp/
  • guía larga y detallada: https://docs.oracle.com/cd/E19957-01/806-3568/ncg_goldberg.html

• Generar documentación a partir de código:

  • Sphinx guía rápida: https://www.sphinx-doc.org/es/stable/tutorial.html
  • Ejemplo en un proyecto aeropython: https://github.com/AeroPython/PyFME/wiki/C%C3%B3mo-crear-documentaci%C3%B3n-con-Sphinx-y-Read-the-Docs

• Dashboards:

  • Charla 20 min sobre dashboards: Deploying Interactive Jupyter Dashboards for Visualizing Hundreds of Millions of Datapoints, in 30 L Interesante porque además usa dask (pandas fuera de memoria) y numba (acelerar código) y otras librerías de representación que no hemos visto.
  • Documentación (https://jupyter-dashboards-layout.readthedocs.io/en/latest/using.html)
  • Plotly https://plot.ly/dashboards-and-reports/

• Dask

  • NY Taxi - Mathew Rocklin https://matthewrocklin.com/blog/work/2017/01/12/dask-dataframes
  • Docuentación https://dask.pydata.org/en/latest/examples-tutorials.html

• Jupyter Hub:

  • https://jupyter.org/hub

• SQL:

  • https://www.w3schools.com/sql/sql_intro.asp
  • https://swcarpentry.github.io/sql-novice-survey/

• PyInstaller:

  • Creando ejecutables autocontenidos: https://pyinstaller.readthedocs.io/en/stable/usage.html

• [ES] StackOverflow
• [ES] GitHub, pidiendo ayuda a los desarroladores

• Python Software Foundation
• Pybonacci

• Python España
• AeroPython
• Python Madrid
• PyLadies Madrid,
• Otras comunidades"

Lista

• Python España
• Python Alicante
• Python Científico
• AeroPython

En los siguientes links se pueden obtener las versiones de los programas usados durante el curso.

• Anaconda3. (https://www.anaconda.com/download/)
• pycharm-community (https://www.jetbrains.com/pycharm/download/#section=windows)

• Cambiar la carpeta en la que arranca el notebook:

> jupyter notebook --generate-config

En C:\Users\username\.jupyter\jupyter_notebook_config cambiar el atributo

#c.NotebookApp.notebook_dir = ''

por

python
c.NotebookApp.notebook_dir = r'C:\new_path\folder'

No olvidar la `r` delante de las comillas

• Activar IPython widgets en Jupyter Lab:

> conda install nodejs
> jupyter labextension install @jupyter-widgets/jupyterlab-manager

• Activar matplotlib widgets

conda install -c conda-forge ipympl
# If using the Notebook
conda install -c conda-forge widgetsnbextension
# If using JupyterLab
conda install nodejs
jupyter labextension install @jupyter-widgets/jupyterlab-manager
jupyter labextension install jupyter-matplotlib

Curso AeroPython por Juan Luis Cano Rodriguez y Alejandro Sáez Mollejo se distribuye bajo una Licencia Creative Commons Atribución 4.0 Internacional.