Objetivos de aprendizaje¶
- Demostrar habilidades de cómputo en Python y en cuadernos de Jupyter
- Crear un repositorio documentado en GitHub
- Demostrar habilidades para clonar, agregar, empujar (push), traer (pull), usar ramas, abrir pull requests y contribuir mediante issues de GitHub
- Reconocer las diferencias entre un entorno local, un JupyterHub remoto, la arquitectura de un sistema HPC y un sistema en la nube
- Practicar la instalación de software libre de Python en cualquier entorno Linux
- Configurar un asistente de programación con IA agéntica en su editor o terminal, y usarlo con criterio: usted lo dirige, usted verifica su salida y usted declara su participación
- Enunciar la política de uso de IA del curso y lo que exige de usted (vea 1.8 La IA en su flujo de trabajo)
El capítulo termina con 1.9 Montaje del banco de trabajo (Tarea 1), una guía numerada que lo lleva de una máquina vacía a un entorno de trabajo verificado y a su propio repositorio del curso. Es la primera tarea calificada; cada paso indica cómo se ve el éxito, y quienes usan Windows tienen una ruta oficial mediante WSL2 o GitHub Codespaces.
Empezar desde cero¶
¡Es posible! Los recursos siguientes ayudan a arrancar. En MLGeo (Universidad de Washington) se espera que cada estudiante pueda demostrar la mayor parte del contenido de los Software Carpentries:
Revise los Software Carpentries en:
- Todas las lecciones de Unix
- Las lecciones de Git, aunque se repasarán con detalle en clase
- Python: manipular tipos de variables, incluidos arreglos y listas, bucles
for, sentenciasif, crear funciones - Graficación con Matplotlib: hacer gráficas simples, con subgráficas y ejes rotulados
Proyecto final¶
El curso se organiza alrededor de un proyecto desde la primera semana. Lea temprano la descripción y rúbrica del proyecto final, para saber hacia dónde va el trimestre.