From e4349a9a3d8a669f52eb449f4bcd2b02dd3d24db Mon Sep 17 00:00:00 2001 From: Yurely Date: Mon, 22 Aug 2022 23:37:18 -0400 Subject: [PATCH 1/2] Review articles 0004 and 0054 --- .../0004-que-es-jupyter/que-es-jupyter.md | 137 ++++++++++++++---- pages/blog/0054-dvc/dvc.md | 106 +++++++------- 2 files changed, 163 insertions(+), 80 deletions(-) diff --git a/pages/blog/0004-que-es-jupyter/que-es-jupyter.md b/pages/blog/0004-que-es-jupyter/que-es-jupyter.md index 68413ae3..7ac5ea6e 100644 --- a/pages/blog/0004-que-es-jupyter/que-es-jupyter.md +++ b/pages/blog/0004-que-es-jupyter/que-es-jupyter.md @@ -10,41 +10,122 @@ .. type: text --> - + ![header](../../../images/blog/ya-probado-los-cuadernos-de-jupyter-te-explicamos-que-son-y-como-te-ayudaran-en-tu-proxima-investigacion/header.png) -¿Quieres llevar tus artículos a un formato mas intuitivo, legible y facíl de editar? [Jupyter Notebook](https://jupyter.org) es una aplicación web que te deja incorporar en tus documentos elementos de código abierto y de texto enriquecido de una forma sencilla y fluida, que además facilita que otras personas colaboren en tu investigación. Utilizar estos elementos permitirá que tanto tu como tus lectores puedan no solamente ver la descripción y resultados de tu analísis de una forma mas gráfica, sino hacerlo en tiempo real, algo especialmente útil para garantizar la reproducibilidad de tus resultados. +¿Quieres cambiar tus artículos a un formato más intuitivo, legible y +fácil de editar? Si tu respuesta es sí, puedes hacerlo con los [Jupyter +Notebook](https://jupyter.org), una aplicación web que permite +incorporar código y texto a los documentos de una forma sencilla y +fluida; facilitando que otras personas colaboren en tu investigación. +Utilizar estos elementos permitirá ver la descripción y resultados de tu +analísis de una forma más gráfica y en tiempo real, algo especialmente +útil para garantizar la reproducibilidad de tus resultados. -El uso de Jupyter Notebook hoy día es bastante común en las comunidades científicas: por ejemplo, la creación de la foto de un agujero negro utilizo un cuaderno de Jupyter, con codigo en https://github.com/achael/eht-imaging), por lo que hay una gran variedad de ejemplos en todo tipo de areas, usualmente disponible en un repositorio publico de [GitHub](https://github.com), con los cuales podrás interactuar libremente. Estos documentos son producidos por la aplicación Jupyter Notebook, la cual te explicaremos con mas profundidad a continuación. - -## ¿Que es Jupyter? - -Jupyter se refiere a la organización de codigo abierto sin fines de lucro: Project Jupyter, que es la principal organización que desarolla una multitud de proyectos, entornos de ejecución principalmente en [Julia](https://julialang.org), [Python](https://www.python.org) y [R](https://www.r-project.org), de los cuales se construye su nombre. El principal propósito de Jupyter es “apoyar ciencia de datos interactiva y computación científica en todos los lenguajes de programación” [1]. De hecho, todos sus proyectos son desarollados de forma abierta en GitHub, bajo la licencia modificada de [BSD](https://whatis.techtarget.com/definition/BSD-licenses), y prometen mantener disponibles tanto el software como su codigo, para el uso libre de cualquiera. - -Sin duda, la característica más popular de Jupyter Notebook, es ser una aplicación web que permite editar y compartir documentos (llamados "cuadernos de jupyter") que contienen trozos de codigo, visualizaciones, ecuaciones, todas interactivas y ejecutadas en tiempo real. Su integración de los elementos *rich media* en documentos intuitivos y sencillos de editar la ha convertido en una herramienta muy popular en la elaboración de articulos, analísis e investigaciónes científicas. - -Además de Notebook, ofrece un entorno de desarrollo para cuadernos de jupyter, llamado [JupyterLab](https://jupyterlab.readthedocs.io), que posee una interfaz simple y personalizable, y capacidades modulares para que puedas añadir nuevos componentes o plugins según veas necesario. - -## Que es un Cuaderno de Jupyter? - -Un cuaderno de Jupyter es simplemente un archivo .ipynb hecho por la aplicación web, el cual contiene una multitud de ‘celdas’ con codigo, texto Markdown (en formato [LaTeX!](https://www.latex-project.org)), o metadatos raw. Al ser interpretado por Jupyter, estas celdas terminan teniendo una apariencia muy similar a la de un documento de texto, y las celdas que contienen codigo son ejecutadas, mostrando la salida *stdout* dentro de la celda. Es muy común el uso de librerías como [matplotlib](https://matplotlib.org) para mostrar gráficos dentro de estas celdas de código, pero gracias a su versatilidad, puede ser utilizado también para mostrar videos o imágenes que cambién o se actualizen a lo largo del tiempo, para dar enlaces a archivos locales, y el instalar *kernels* de otros lenguajes amplía sus posibilidades aún más. - -## Como uso Jupyter? - -Si deseas hacer tu propio cuaderno de Jupyter y jugar a experimentar un poco, solamente tienes que ir al [sitio web](https://jupyter.org/try), donde encontrarás varias opciones para probar Jupyter desde una interfaz web, sin tener que instalar nada, con varios lenguajes de programación. Dentro de esta pagina, puedes acceder a enlaces a entornos virtuales prefabricados dentro del sitio [MyBinder](https://mybinder.org). Mybinder es un sitio en el cual podrás crear un entorno virtual a partir de un repositorio de github, con el que podrás interactuar y experimentar con tus cuadernos de Jupyter. - -Si deseas utilizar Jupyter desde tu computadora, basta con instalarlo via *pip* o *conda*. Sin embargo, la popular distribución [Anaconda](https://www.anaconda.com) incluye los paquetes necesarios para utilizar Jupyter, y es la opción recomendada por el propio Projecto Jupyter. Simplemente tendrás que dirigirte al [enlace de descarga](https://www.anaconda.com/distribution/) para instalarla. Despues de esto, podrás ejecutar jupyter notebook -desde un terminal, y acceder a la interfaz web de Jupyter desde la URL http://localhost:8888 (por defecto). - -## Quien usa Jupyter? - -Jupyter es un proyecto que esta apoyado abiertamente por empresas como Google (de hecho, puedes hacer cuadernos de Jupyter en el propio Google Drive), Microsoft e IBM, además de una diversa cantidad de universidades alrededor del mundo. No es extraño, entonces, que en el propio github se encuentren alrededor de 5 millones de cuadernos de jupyter (según un análisis que utiliza también un cuaderno para mostrar sus resultados! [2]), y que abarquen áreas desde la ciencia de datos, estadística o economía, hasta las ciencias sociales o psicología, así como una multitud de listas curadas [3] con una variedad de ejemplos de aplicaciones reales de Jupyter. - -Jupyter es, sin duda, una de las iniciativas de ciencia abierta mas prometedoras que hay, con una popularidad inmensa incluso fuera de su area de enfoque, y una accesibilidad bastante impresionante, que permite a científicos de todo tipo de trasfondos empezar a aprovechar de sus capacidades rich media en cuestión de segundos. Y para aquellos que deseen entrar un poco mas profundo en el tema, existe una cantidad de recursos y apoyo dedicado a Jupyter bastante grande [4] para el poco tiempo que ha estado bajo el foco, haciendo de tu aprendizaje algo bastante sencillo e indoloro. Llevar tus investigaciones a otro nivel es cuestión de querer aprender, nada mas! +El uso de Jupyter Notebook es bastante común en las comunidades +científicas actuales: por ejemplo, la creación de la foto de un agujero +negro utilizó un cuaderno de Jupyter cuyo código está en [este +repositorio de GitHub](https://github.com/achael/eht-imaging). Así como +este, existe una gran variedad de ejemplos de uso de cuadernos de +Jupyter en todo tipo de áreas, los cuales usualmente están disponibles +en un repositorio público de [GitHub](https://github.com). Veamos a +continuación, con más profundidad, de qué se trata esta aplicación. + +## ¿Qué es Jupyter? + +Jupyter se refiere a la organización de código abierto sin fines de +lucro llamada **Project Jupyter**, que es la principal organización que +desarolla una multitud de proyectos, entornos de ejecución +principalmente en [Julia](https://julialang.org), +[Python](https://www.python.org) y [R](https://www.r-project.org), de +allí se construye su nombre. El principal propósito de Jupyter es +“apoyar la ciencia de datos interactiva y la computación científica en +todos los lenguajes de programación” [1]. De hecho, todos sus proyectos +son desarrollados de forma abierta en GitHub bajo la licencia modificada +de [BSD](https://whatis.techtarget.com/definition/BSD-licenses). El +proyecto promete mantener disponible tanto el software como su código, +para su uso libre. + +Sin duda, la característica más popular de Jupyter Notebook, es ser una +aplicación web que permite editar y compartir documentos (llamados +"cuadernos de jupyter") que contienen trozos de código, visualizaciones, +ecuaciones, entre otras, todas interactivas y ejecutadas en tiempo real. +La integración de los elementos *rich media* en documentos intuitivos y +sencillos de editar, la ha convertido en una herramienta muy popular en +la elaboración de artículos, análisis e investigaciones científicas. + +Además de Notebook, el proyecto Jupyter ofrece un entorno de desarrollo +llamado [JupyterLab](https://jupyterlab.readthedocs.io), que posee una +interfaz simple, personalizable y capacidades modulares para que puedas +añadir nuevos componentes o plugins según lo consideres necesario. +Jupyter Notebook y Jupyter-lab tienen una interfaz muy parecida, sin +embargo, este último ofrece más funcionalidades. + +## ¿Qué es un cuaderno de Jupyter? + +Un cuaderno de Jupyter es simplemente un archivo *.ipynb* generado por +la aplicación web, que contiene una multitud de ‘celdas’ con código, +texto Markdown (en formato [LaTeX](https://www.latex-project.org)), o +metadatos (*raw*). Al ser interpretadas por Jupyter, estas celdas +terminan teniendo una apariencia muy similar a la de un documento de +texto, y tras ejecutar las celdas que contienen código, se muestra la +salida en otra celda. Es muy común el uso de bibliotecas como +[matplotlib](https://matplotlib.org) para mostrar gráficos (dentro de +las celdas de código), pero gracias a su versatilidad, puede ser +utilizado también para mostrar videos o imágenes que cambien o se +actualizen a lo largo del tiempo, para mostrar enlaces a archivos +locales o instalar *kernels* de otros lenguajes, lo cual amplía sus +posibilidades. + +## ¿Cómo uso Jupyter? + +Si deseas hacer tu propio cuaderno de Jupyter y experimentar un poco, +solamente tienes que ir al [sitio web](https://jupyter.org/try), donde +encontrarás varias opciones para probar Jupyter con varios lenguajes de +programación desde una interfaz web, sin tener que instalar nada. Dentro +de esta página, puedes acceder a enlaces de entornos virtuales +prefabricados dentro del sitio como [MyBinder](https://mybinder.org). +Mybinder es un sitio en el cual podrás crear un entorno virtual a partir +de un repositorio de github, con el que podrás interactuar y +experimentar con tus cuadernos de Jupyter. + +Si deseas utilizar Jupyter desde tu computadora, basta con instalarlo +utilizando *pip* o *conda*. Sin embargo, la popular distribución +[Anaconda](https://www.anaconda.com) incluye los paquetes necesarios +para utilizar Jupyter, y es la opción recomendada por el propio Project +Jupyter. Simplemente tendrás que dirigirte al [enlace de +descarga](https://www.anaconda.com/distribution/) para instalarla. +Después de esto, podrás ejecutar Jupyter Notebook desde la terminal, y +acceder a la interfaz web desde la URL http://localhost:8888 (por +defecto). + +## ¿Quién usa Jupyter? + +Jupyter es un proyecto apoyado abiertamente por empresas como Google (de +hecho, puedes hacer cuadernos de Jupyter en el propio Google Drive, +utilizando Google Colab), Microsoft e IBM. Además de una gran cantidad +de universidades alrededor del mundo. No es extraño, que en el propio +GitHub se encuentren alrededor de 5 millones de cuadernos de Jupyter +(según un análisis que utiliza también un cuaderno para mostrar sus +resultados! [2]), y que abarquen áreas desde la ciencia de datos, +estadística o economía, hasta las ciencias sociales o psicología. +También existe una gran cantidad de listas curadas [3] con ejemplos de +aplicaciones reales de Jupyter. + +Jupyter es, sin duda, una de las iniciativas de ciencia abierta más +prometedoras que hay. Cuenta con una popularidad inmensa incluso fuera +de su área de enfoque, y una accesibilidad bastante impresionante que +permite a científicos, de todo tipo de trasfondos, aprovechar de sus +capacidades rich media en cuestión de segundos. Y para aquellos que +deseen entrar un poco más profundo en el tema, existe una gran cantidad +de recursos y documentación de apoyo dedicado a Jupyter [4] que hace de +tu aprendizaje algo bastante sencillo e indoloro. Llevar tus +investigaciones a otro nivel es cuestión de comenzar a aprender, ¡nada +más! [1]: https://jupyter.org/about "Jupyter" [2]: https://github.com/parente/nbestimate "nbestimate" diff --git a/pages/blog/0054-dvc/dvc.md b/pages/blog/0054-dvc/dvc.md index 5041ae37..20eed2d4 100644 --- a/pages/blog/0054-dvc/dvc.md +++ b/pages/blog/0054-dvc/dvc.md @@ -1,5 +1,5 @@ - + ![header](../../../images/blog/que-es-el-data-version-control-dvc-y-por-que-es-necesario-que-tu-equipo-sepa-como-utilizarlo/header.png) -Cuando colaboramos en proyectos que involucran un manejo y transformación -constante de conjuntos de datos y/o modelos derivados de estos, nos vemos en la -necesidad de indagar y poner en práctica técnicas que permitan tener un -control de todos los cambios realizados en ellos durante la -investigación; para lo cuál se necesitan herramientas que lo hagan -posible. Allí entra en juego el *Control de versiones de datos* o Data -Version Control (DVC). +Cuando colaboramos en proyectos que involucran un manejo y +transformación constante de conjuntos de datos y/o modelos derivados de +estos, nos vemos en la necesidad de indagar y poner en práctica técnicas +que permitan tener un control de todos los cambios realizados en ellos +durante la investigación; para lo cual se necesitan herramientas que lo +hagan posible. Allí entra en juego el *Control de versiones de datos* o +Data Version Control (DVC). -En este apartado definimos brevemente el Control de versiones de datos, +En este apartado definimos brevemente el control de versiones de datos, mencionamos algunas herramientas o *Sistemas de control de versiones* -que lo hacen posible y también las ventajas que tiene su utilización en +que permiten hacerlo y también listamos las ventajas que tiene su uso en equipos de trabajo. -En nuestro artículo *Investigación Colaborativa con Git* (enlace a -artículo investigacion_colaborativa_con_git) mencionamos que los -*Sistemas de control de versiones* permiten almacenar los cambios -realizados en los archivos en todas sus fases de desarrollo y la -información asociada a ellos (fecha y autoría de los cambios). En la -mayoría de ocasiones se utilizan en entornos de desarrollo de software, -pero son realmente útiles cuando necesitamos un control sobre cualquier -tarea que estemos realizando; en este caso la de transformar conjuntos -de datos y experimentar modelos de Machine Learning, por ejemplo, donde -el seguimiento de todos los pasos y dependencias entre el código y los -conjuntos de datos es fundamental. +En nuestro artículo [Investigación colaborativa con +Git](https://opensciencelabs.org/blog/0009-investigacion_colaborativa_con_git/investigacion-colaborativa-con-git/) +mencionamos que los *Sistemas de control de versiones* permiten +almacenar los cambios realizados en los archivos en todas sus fases de +desarrollo y también la información asociada a ellos (fecha y autoría de +los cambios). En la mayoría de ocasiones, se utilizan en entornos de +desarrollo de software, pero son realmente útiles cuando necesitamos un +control sobre cualquier tarea que estemos realizando. En este caso +hablamos de transformar conjuntos de datos y experimentar, por ejemplo, +modelos de Machine Learning donde el seguimiento de todos los pasos y +dependencias entre el código y los conjuntos de datos es fundamental. En el control de versiones de datos (y en general, de cualquier tipo de archivo), podemos ver las versiones como "fotografías" que registran el -estado en ese momento del tiempo y se van tomando más fotografías -(guardando nuevas versiones) a medida que se hacen modificaciones, -generalmente, al conjunto de datos, a *scripts* de actualización o -transformación de datos (especificación y prueba de modelos). De tal +estado en ese momento del tiempo. Luego se van tomando más fotografías +(guardando nuevas versiones) a medida que se hacen modificaciones, en +este caso, a conjuntos de datos o a *scripts* de actualización o +transformación de estos (especificación y prueba de modelos). De tal forma que podamos experimentar modelos, observar qué modelos funcionaban -con que conjunto de datos, poder reproducir experimentos anteriores o +con cuál conjunto de datos, reproducir experimentos anteriores o restaurar la investigación a una versión antigua en cualquier momento. A continuación se mencionan algunas herramientas de software libre para @@ -59,26 +59,28 @@ el versionado de conjuntos de datos y bases de datos. - [Pachyderm](https://www.pachyderm.com/) - [Liquibase](https://www.liquibase.org/) - [Dat](https://dat.foundation/) -- [Git lfs](https://git-lfs.github.com/) y [Git-annex](https://git-annex.branchable.com/) +- [Git lfs](https://git-lfs.github.com/) +- [Git-annex](https://git-annex.branchable.com/) En este punto hablaremos un poco sobre DVC, una de las herramientas más -utilizadas para el versionado de datos actualmente. +utilizadas para el versionado de datos en la actualidad. ### [DVC](https://dvc.org/) Es una herramienta gratuita y de código abierto empleada, mayormente, en -proyectos de ciencia de datos y Machine Learning. La parte central del -DVC es el versionado de datos para archivos grandes, versionado de -modelos Machine Learning, de conjuntos de datos, flujo de trabajo, -facilitando la colaboración y la reproducibilidad. Como DVC hace que los -proyectos sean reproducibles y compartibles; podemos saber cómo se -construyeron y probaron los modelos y cómo han sido transformados los -datos originales. DVC está basado en \[Git\](enlace a artículo -GitCeroACien); aunque puede funcionar de manera autónoma (pero sin -capacidad de versionado). "Es como un Git para Datos". +proyectos de ciencia de datos y Machine Learning facilitando la +colaboración y reproducibilidad. La parte central del DVC es el +versionado de datos para archivos grandes, modelos de Machine Learning, +conjuntos de datos y flujo de trabajo. Como DVC hace que los proyectos +sean reproducibles y compartibles; podemos saber cómo se construyeron y +probaron los modelos y cómo han sido transformados los datos originales. +DVC está basado en +[Git](https://opensciencelabs.org/blog/0002-GitCeroACien/git-de-en-diez-sencillos-pasos/); +aunque puede funcionar de manera autónoma (pero sin capacidad de +versionado). "Es como un Git solo para Datos". Esta herramienta se desarrolló en un 98% bajo el lenguaje de -programación \[Python\](enlace a artículo 10razonesparausarpython). +programación **Python**. #### Características principales @@ -90,7 +92,7 @@ programación \[Python\](enlace a artículo 10razonesparausarpython). - Puede ser ejecutado en los principales sistemas operativos (Linux, Windows y MacOS). Funciona independientemente de los lenguajes de - programación o de las bibliotecas de Machine Learning utilizados en el + programación o de las bibliotecas de Machine Learning utilizadas en el proyecto. - Es rápido de instalar, no depende de APIs o servicios externos. @@ -100,9 +102,8 @@ programación \[Python\](enlace a artículo 10razonesparausarpython). ## Ventajas de implementar el control de versiones de datos El tener un seguimiento de los cambios en conjuntos de datos y scripts -de especificación y prueba de modelos de datos en el desarrollo de una -investigación, tanto personal como colaborativa, proporciona una serie -de beneficios o ventajas como las mencionadas a continuación: +de especificación y prueba de modelos en una investigación, proporciona una serie de +beneficios o ventajas como las mencionadas a continuación: - Guardan toda la historia del proyecto. @@ -110,22 +111,23 @@ de beneficios o ventajas como las mencionadas a continuación: fechas y autorías de cambios; aumentando la capacidad de colaborar en un proyecto. -- Permite el acceso compartido a los archivos y el desarrollo de ramas o - branches para experimentar cambios. +- Permite el acceso compartido a los archivos y el desarrollo de ramas + para experimentar cambios. - No te preocupes si alguien comete un error o sobrescribe algo importante, puedes volver a versiones anteriores en cualquier momento. -- Hace más fácil la reproducibilidad de modelos de aprendizaje - automático en ciencia de datos. +- Facilita la reproducibilidad de modelos de aprendizaje automático en + ciencia de datos. -- Permite que los desarrolladores de un proyecto que trabajan en un mismo +- Permite que los desarrolladores de un proyecto, que trabajan en un mismo archivo de datos, combinen de forma eficiente las ideas y cambios. -En OpenScienceLasbs te invitamos a que implementes el versionado de -datos y de modelos Machine Learning con DVC u alguna otra herramienta -para que tu equipo de trabajo ejecute proyectos de manera más eficiente -y pueda llevar un seguimiento adecuado de los cambios de los conjuntos de datos y modelos durante todas las fases del proyecto. +En OpenScienceLabs te invitamos a utilizar el versionado de datos y de +modelos de Machine Learning con DVC, para que puedas llevar un +seguimiento adecuado de los cambios de los conjuntos de datos y modelos +durante todas las fases del proyecto, haciendo más eficiente dicho +proceso. #### Referencias From c83fa6ab777b4c95700fa312231d8a6ca7fe1d44 Mon Sep 17 00:00:00 2001 From: Yurely Date: Wed, 31 Aug 2022 17:32:28 -0400 Subject: [PATCH 2/2] Changes article 0004 --- .../0004-que-es-jupyter/que-es-jupyter.md | 31 ++++++++++++------- 1 file changed, 20 insertions(+), 11 deletions(-) diff --git a/pages/blog/0004-que-es-jupyter/que-es-jupyter.md b/pages/blog/0004-que-es-jupyter/que-es-jupyter.md index 7ac5ea6e..b84af6df 100644 --- a/pages/blog/0004-que-es-jupyter/que-es-jupyter.md +++ b/pages/blog/0004-que-es-jupyter/que-es-jupyter.md @@ -44,7 +44,8 @@ principalmente en [Julia](https://julialang.org), [Python](https://www.python.org) y [R](https://www.r-project.org), de allí se construye su nombre. El principal propósito de Jupyter es “apoyar la ciencia de datos interactiva y la computación científica en -todos los lenguajes de programación” [1]. De hecho, todos sus proyectos +todos los lenguajes de programación” +[(Jupyter)](https://jupyter.org/about). De hecho, todos sus proyectos son desarrollados de forma abierta en GitHub bajo la licencia modificada de [BSD](https://whatis.techtarget.com/definition/BSD-licenses). El proyecto promete mantener disponible tanto el software como su código, @@ -111,10 +112,12 @@ utilizando Google Colab), Microsoft e IBM. Además de una gran cantidad de universidades alrededor del mundo. No es extraño, que en el propio GitHub se encuentren alrededor de 5 millones de cuadernos de Jupyter (según un análisis que utiliza también un cuaderno para mostrar sus -resultados! [2]), y que abarquen áreas desde la ciencia de datos, -estadística o economía, hasta las ciencias sociales o psicología. -También existe una gran cantidad de listas curadas [3] con ejemplos de -aplicaciones reales de Jupyter. +resultados! [(nbestimate)](https://github.com/parente/nbestimate), y que +abarquen áreas desde la ciencia de datos, estadística o economía, hasta +las ciencias sociales o psicología. También existe una gran cantidad de +listas curadas [(A gallery of interesting Jupyter +Notebooks)](https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks) +con ejemplos de aplicaciones reales de Jupyter. Jupyter es, sin duda, una de las iniciativas de ciencia abierta más prometedoras que hay. Cuenta con una popularidad inmensa incluso fuera @@ -122,12 +125,18 @@ de su área de enfoque, y una accesibilidad bastante impresionante que permite a científicos, de todo tipo de trasfondos, aprovechar de sus capacidades rich media en cuestión de segundos. Y para aquellos que deseen entrar un poco más profundo en el tema, existe una gran cantidad -de recursos y documentación de apoyo dedicado a Jupyter [4] que hace de -tu aprendizaje algo bastante sencillo e indoloro. Llevar tus +de recursos y documentación de apoyo dedicado a Jupyter [(Jupyter +Guide)](https://github.com/jupyter-guide/jupyter-guide) que hace de tu +aprendizaje algo bastante sencillo e indoloro. Llevar tus investigaciones a otro nivel es cuestión de comenzar a aprender, ¡nada más! -[1]: https://jupyter.org/about "Jupyter" -[2]: https://github.com/parente/nbestimate "nbestimate" -[3]: https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks "A gallery of interesting Jupyter Notebooks" -[4]: https://github.com/jupyter-guide/jupyter-guide "Jupyter Guide" +### Referencias + +- [Jupyter](https://jupyter.org/about) + +- [nbestimate](https://github.com/parente/nbestimate) + +- [A gallery of interesting Jupyter Notebooks](https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks) + +- [Jupyter Guide](https://github.com/jupyter-guide/jupyter-guide) \ No newline at end of file