Skip to content

v3.8.0 — App Windows nativa (PySide6) + Android · 232 clases · 9 partes

Latest
Latest

Choose a tag to compare

View all tags
@vladimiracunadev-create vladimiracunadev-create released this 19 Jun 19:39
v3.8.0
e7abcf4

🎓 Python Data Science Program — v3.8.0

Currículo completo (232 clases · 9 partes · cobertura 100% README + notebook ejecutable) + app Windows nativa Qt + APK Android.

📦 Assets de este release (6 archivos)

Archivo Tamaño Descripción
PythonDSProgram_Setup_v3.8.0.exe 181 MB 🆕 Instalador oficial (Inno Setup, lzma/ultra) — doble clic e instala con shortcut en Inicio + uninstaller.
PythonDSProgram_windows_portable_v3.8.0.zip 274 MB App Windows portable — descomprimir y ejecutar PythonDSProgram.exe. Sin instalación.
PythonDSProgram_android_v3.8.0_debug.apk 139 MB App Android (Expo SDK 51 + RN 0.74.5) — instalar en modo desarrollador.
curso-completo.pdf 1.9 MB Las 232 clases del currículo en un solo PDF (con TOC).
curso-completo.pptx 2.0 MB Las 232 clases del currículo en un solo deck PowerPoint.
SHA256SUMS_v3.8.0.txt <1 KB Hash SHA256 de ZIP + APK + EXE para verificar integridad.

🖥️ Instalador Windows (recomendado)

  1. Descargá PythonDSProgram_Setup_v3.8.0.exe.
  2. Doble clic → wizard de instalación → next-next-finish.
  3. Se crea acceso directo en el Menú Inicio. Se registra en "Agregar o quitar programas" para desinstalación limpia.

🖥️ Alternativa portable (sin instalación)

Si preferís no instalar, descargá PythonDSProgram_windows_portable_v3.8.0.zip, descomprimilo y ejecutá PythonDSProgram.exe. Equivalente funcional al instalador.

Características de la app Windows (ambos formatos):

  • Widgets Qt nativos (PySide6) — sin browser embebido, sin servidor local, sin localhost.
  • Árbol del currículo navegable (9 partes → 232 clases) con búsqueda en vivo.
  • Tabs 📘 README (markdown rendereado con QTextBrowser.setMarkdown() nativo) y 🧮 Notebook (celdas .ipynb con outputs).
  • Toolbar para abrir PDF, PPTX y carpeta de cada clase. Los PDFs/PPTX se abren desde el repo en GitHub (no se incluyen en el bundle para bajar peso).
  • Theme dark/light persistente.

Requisitos: Windows 10/11 (64-bit). No requiere Python ni Qt preinstalado.

📱 App Android (debug build)

  1. Habilitá "Orígenes desconocidos" / "Instalar apps de fuentes externas" en Android.
  2. Descargá el APK y abrilo desde el dispositivo.
  3. Concedé el permiso de instalación.

Build: Expo SDK 51 + React Native 0.74.5, versionCode 38, versionName 3.8.0. Build de debug (firmado con clave de debug — para QA, no para Play Store).

🎓 Currículo (232 clases · 9 partes)

  • Parte 0 — Prerrequisitos: Python, NumPy, pandas, Polars, Parquet/Arrow/DuckDB, viz, SQL, NoSQL, APIs, async (49 clases · 001-049)
  • Parte 1 — ML clásico: regresión, clasificación, ensembles, no supervisado, Optuna, SHAP, calibración, Model Cards (50 clases · 050-099)
  • Parte 2 — Deep Learning: Keras + PyTorch + Lightning, CNN, Transformers + Flash/RoPE/GQA, LLMs (LoRA/DPO/vLLM), multimodal (CLIP/Whisper), MCP/agentes, SDXL+ControlNet, RL, ONNX/JAX (75 clases · 100-174)
  • Parte 3 — Estadística inferencial y causal: hipótesis + effect size, BCa bootstrap, A/B (CUPED+sequential), DoubleML, Synthetic Controls, Bayes (PyMC v5+NumPyro+ArviZ) (19 clases · 175-193)
  • Parte 4 — MLOps: DVC, MLflow, Feast, GH Actions+CML, Docker, FastAPI, K8s, serverless, drift, Prefect, shadow/canary, SHAP, Great Expectations, behavioral tests (14 clases · 194-207)
  • Parte 5 — Ingeniería de datos: Airflow TaskFlow, Prefect/Dagster, PySpark, Polars lazy/streaming, DuckDB/BQ/Snowflake, Kafka+Kinesis, Parquet/Avro, star schema SCD2 (8 clases · 208-215)
  • Parte 6 — Recomendadores: CF user/item-based, SVD+ALS implicit, content+FAISS, hybrid LightFM, métricas top-N, cold-start (7 clases · 216-222)
  • Parte 7 — Ética / fairness / privacidad: taxonomía Suresh-Guttag, métricas DP/EO/calibration + impossibility theorem, privacidad diferencial (Laplace/Gauss/DP-SGD), federated learning, GDPR + EU AI Act 2024/1689, reproducibilidad (6 clases · 223-228)
  • Parte 8 — Capstones integradores: tabular E2E, NLP o forecasting, visión transfer learning, portafolio público en GitHub Pages (4 clases · 229-232)

📥 Material derivado del currículo (en el repo)

  • 232 PDFs por clase + 232 PPTX por clase en docs/pdfs/classes/ y docs/presentaciones/classes/.
  • 9 PDFs consolidados por parte + 9 PPTX por parte en docs/pdfs/parts/ y docs/presentaciones/parts/.
  • 2 bundles del curso completo (este release los adjunta): curso-completo.pdf y curso-completo.pptx.

🧪 Laboratorio de ejecución Python (herramienta separada)

Si querés EJECUTAR código sobre los notebooks (no solo verlos), cloná el repo y corré:

pip install -r requirements.txt
python -m app.app

Abre http://127.0.0.1:8000 — laboratorio Flask + kernel Jupyter real con todo el stack (torch, transformers, sklearn, statsmodels, etc.) listo para ejecutar cualquiera de las 232 clases.

🔐 Verificación

sha256sum -c SHA256SUMS_v3.8.0.txt

🤖 Build pipeline:

  • Windows portable: pyinstaller program.spec --noconfirm --distpath C:\b → Compress-Archive → 274 MB.
  • Windows installer: iscc installer/setup.iss (Inno Setup 6.7.1, lzma/ultra) → 181 MB.
  • Android: cd mobile/android && ./gradlew assembleDebug → APK 139 MB (versionCode 38, versionName 3.8.0).
Assets 8
Loading