Saltar a contenido

🧑‍💻 Guía de Google Colab

Todo el curso se trabaja en Google Colab: notebooks de Python en el navegador, sin instalar nada y con GPU gratuita. Solo necesitas una cuenta de Google.

1. Abrir el notebook de una clase

Cada cápsula tiene un botón ▶ Abrir en Colab. Se abre una copia de solo lectura; para guardar tus cambios:

  1. Archivo → Guardar una copia en Drive.
  2. Renómbrala (por ejemplo, Proyecto_FinTrust_equipo3.ipynb).
  3. Comparte la copia con tu equipo: Compartir → agregar correos → Editor.

Un notebook por equipo

Trabajen sobre un solo notebook compartido del proyecto y copien ahí lo que les sirva de los notebooks de cada clase. Colab no permite que dos personas ejecuten celdas a la vez sin pisarse: organícense por secciones.

2. Activar la GPU (clases 2, 3 y 4)

Calcular embeddings o usar modelos de Hugging Face es mucho más rápido con GPU:

Entorno de ejecución → Cambiar tipo de entorno de ejecución → Acelerador de hardware: T4 GPU.

La GPU gratuita tiene un límite de uso diario. Si se agota, el notebook funciona igual en CPU, aunque más lento. Por eso conviene guardar los embeddings con np.save y no recalcularlos cada vez.

3. Leer los datos

Los datos se leen directo desde GitHub, sin subir archivos:

import pandas as pd

BASE = "https://raw.githubusercontent.com/hizocar/analitica-negocios-2/main/docs/datasets/"
CASO = "fintrust"   # o "mercasur"

archivo = "reclamos_fintrust.csv" if CASO == "fintrust" else "resenas_mercasur.csv"
df = pd.read_csv(BASE + archivo)
df.shape

Detalle de columnas en Datasets.

4. Instalar paquetes

Colab ya trae pandas, scikit-learn, Keras, PyTorch y Transformers. Si una celda dice que falta un paquete, instálalo así (el ! ejecuta un comando de sistema):

!pip -q install -U sentence-transformers google-genai gradio

Si después de instalar algo aparece un error raro, usa Entorno de ejecución → Reiniciar sesión y vuelve a ejecutar.

5. Antes de entregar

  • Entorno de ejecución → Reiniciar y ejecutar todo corre sin errores.
  • Cada sección parte con una celda de texto que explica qué se hace y qué se concluye.
  • Los gráficos tienen título, ejes con nombre y una conclusión debajo.
  • No hay claves de API escritas en el código (usa Secretos, ver guía de Gemini).
  • La primera celda tiene los integrantes, el caso y el enlace de Colab.
  • La última celda declara el uso de IA.
  • Descargaste el notebook (Archivo → Descargar → Descargar .ipynb) y lo subiste al buzón de la entrega.

6. Problemas frecuentes

Síntoma Solución
NameError: name 'df' is not defined Ejecutaste una celda sin correr las anteriores: Ejecutar todas las celdas anteriores (Ctrl+F8).
La sesión se desconecta Colab se apaga tras un rato de inactividad: vuelve a ejecutar desde el inicio. Guarda resultados pesados en Drive o con np.save.
CUDA out of memory Baja el batch_size o reinicia la sesión.
429 RESOURCE_EXHAUSTED en Gemini Superaste el límite por minuto de la capa gratuita: espera un minuto, usa time.sleep entre llamadas y procesa muestras más chicas.
503 UNAVAILABLE en Gemini El modelo está saturado en ese momento: espera unos segundos y reintenta (ver guía de Gemini).
El notebook entregado no muestra resultados Ejecuta todo antes de descargar el .ipynb: las salidas se guardan dentro del archivo.
El buzón rechaza el notebook por una clave de API La clave quedó escrita en una celda o en una salida. Bórrala, revócala en AI Studio, crea una nueva en los Secretos y vuelve a descargar el notebook.