¡Bienvenido al mundo del aprendizaje automático! Ya sea que estés empezando o hayas incursionado un poco, tener un entorno local bien organizado puede hacerte la vida mucho más fácil. En esta guía, configuraremos su entorno local usando Miniconda y Conda. También instalaremos algunas de las bibliotecas de Python más esenciales para el aprendizaje automático y la ciencia de datos: Pandas, NumPy, Matplotlib y Scikit-learn. .

Advertencia: Esta configuración es 100% libre de estrés (¿excepto quizás la parte en la que instalamos bibliotecas?).

¿Por qué Miniconda?

Quizás te preguntes: "¿Por qué Miniconda y no Anaconda?" Bueno, ¿es como elegir entre una nave espacial completamente cargada? (Anaconda) y una nave espacial liviana y más personalizable? (Miniconda). Miniconda te brinda solo lo esencial, permitiéndote instalar solo los paquetes que necesitas y mantener todo ordenado.

Paso 1: Instalar Miniconda

1.1. Descargar Miniconda

Dirígete al sitio web de Miniconda y descarga el instalador apropiado para tu sistema operativo:

• Windows: instalador .exe
• macOS: instalador .pkg
• Linux: instalador .sh

1.2. Instalar miniconda

Una vez descargado, sigue las instrucciones para tu sistema:

• Windows: ejecuta el instalador .exe. Cuando te lo solicite, marca la casilla "Agregar Miniconda a mi variable de entorno PATH" (te hará la vida más fácil más adelante, ¿créeme?).
• macOS/Linux: abre una terminal y ejecuta el instalador:

  bash Miniconda3-latest-Linux-x86_64.sh  # for Linux
  bash Miniconda3-latest-MacOSX-x86_64.sh  # for macOS

Sigue las indicaciones. ¡Es más suave que la mantequilla en un panqueque caliente! ?

1.3. Verificar la instalación

Una vez instalado, asegurémonos de que todo esté funcionando correctamente. Abra su terminal o símbolo del sistema y escriba:

conda --version

Si ves un número de versión, felicidades, ¡tienes la Miniconda lista para funcionar! ?

Paso 2: configurar un entorno Conda

¡Aquí viene la parte divertida! Con Conda, puede crear entornos aislados para mantener sus proyectos organizados y evitar conflictos de paquetes. Piense en ello como si tuviera diferentes armarios para diferentes pasatiempos, ¿sin mezclar artes de pesca? con tu configuración de juego?.

2.1. Crear un nuevo entorno

Para crear un nuevo entorno (considérelo como el espacio de trabajo personal de su proyecto), utilice el siguiente comando:

conda create --name ml-env python=3.10

Aquí, ml-env es el nombre de su entorno y estamos configurando Python en la versión 3.10. Siéntete libre de utilizar la versión que prefieras.

2.2. Activar el medio ambiente

Antes de instalar cualquier paquete, necesitamos activar el entorno:

conda activate ml-env

Notarás los cambios en el mensaje, lo que muestra que ahora estás dentro del entorno ml-env. ?‍♂️ Es como entrar en una nueva dimensión... de Python, claro está.

Paso 3: Instale las bibliotecas esenciales de Python

¡Es hora de armar tu entorno con las herramientas necesarias! Instalaremos Pandas, NumPy, Matplotlib y Scikit-learn, los héroes de cualquier aventura de aprendizaje automático. ¿Piensa en ellos como tus Vengadores?‍♂️, pero para la ciencia de datos.

3.1. ¿Instalar Pandas?

Pandas es excelente para trabajar con datos estructurados. Puedes pensar en ello como Excel, pero ¿con esteroides?. Instálalo con:

conda install pandas

3.2. ¿Instalar NumPy?

NumPy es su biblioteca de referencia para operaciones numéricas y manipulación de matrices. Es la salsa secreta detrás de muchos algoritmos de aprendizaje automático. Para instalar:

conda install numpy

3.3. ¿Instalar Matplotlib?

¿Qué es la ciencia de datos sin algunos gráficos hermosos? Matplotlib es perfecto para crear visualizaciones, desde gráficos de líneas hasta diagramas de dispersión. Instálalo con:

conda install matplotlib

(Broma rápida: ¿Por qué los gráficos no se relacionan? ¿Porque tienen demasiadas “tramas”?).

3.4. ¿Instalar Scikit-learn?

Finalmente, necesitamos Scikit-learn para implementar algoritmos de aprendizaje automático como regresión lineal, clasificación y más. Para instalar:

conda install scikit-learn

Paso 4: Verifique su configuración

Asegurémonos de que todo funcione sin problemas. Abre Python en tu terminal:

python

Una vez dentro del shell de Python, intenta importar las bibliotecas para ver si todo está instalado correctamente:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sklearn

Si no hay errores, ¡estás listo! ? Continúe y salga de Python escribiendo:

exit()

Paso 5: Administrar su entorno

Ahora que su entorno está configurado, le ofrecemos algunos consejos útiles para administrarlo.

5.1. Listar paquetes instalados

¿Quieres ver qué hay instalado en tu entorno? Simplemente escriba:

conda list

5.2. Salva tu medio ambiente

Para compartir la configuración de tu entorno con otras personas o recrearla más tarde, puedes exportarla a un archivo:

conda env export > environment.yml

5.3. Desactivar el entorno

Cuando termines de trabajar ese día, puedes salir del entorno con:

conda deactivate

5.4. Eliminar un entorno

Si ya no necesitas un entorno (¿adiós, proyectos antiguos?), puedes eliminarlo por completo:

conda remove --name ml-env --all

Si te gustó esto, sígueme en Github.

-

Pensamientos finales

¡Felicitaciones! Ha configurado con éxito su entorno local de aprendizaje automático con Miniconda, Conda y bibliotecas esenciales de Python como Pandas, NumPy, Matplotlib y Scikit-learn. ? Su nuevo entorno está aislado, organizado y listo para un procesamiento serio de datos.

Recuerda: Mantén siempre tus entornos ordenados o corres el riesgo de terminar como mi viejo armario, lleno de cables enredados y versiones aleatorias de Python. ? ¡Feliz codificación!