Un cuaderno de Jupyter (Jupyter Notebook en inglés) es una aplicación web interactiva que permite crear y compartir documentos que contienen código en vivo, ecuaciones, visualizaciones y texto explicativo. Estos cuadernos son especialmente populares en la comunidad de programadores, científicos de datos, ingenieros y académicos debido a su capacidad para integrar código ejecutable y resultados en un mismo lugar, lo que facilita la exploración, análisis y presentación de datos.

Algunas de las razones por las que los cuadernos de Jupyter se han vuelto tan famosos son:

• Interactividad: Los cuadernos permiten ejecutar código en bloques individuales, lo que significa que se puede ejecutar un fragmento de código y ver los resultados inmediatamente debajo. Esto facilita la depuración y la iteración rápida.
• Documentación enriquecida: Además de código, los cuadernos permiten incluir texto enriquecido usando el formato Markdown, lo que facilita la creación de documentación, explicaciones y anotaciones en el mismo entorno donde se ejecuta el código.
• Visualización integrada: Los cuadernos de Jupyter admiten la generación y visualización de gráficos, diagramas y visualizaciones interactivas directamente en el documento, lo que facilita la comprensión de los datos y los resultados.
• Reproducibilidad: Los cuadernos permiten documentar el proceso de análisis y los pasos de manera detallada, lo que ayuda a otros a reproducir los resultados y entender el flujo de trabajo.
• Compartir y colaborar: Los cuadernos se pueden compartir fácilmente a través de plataformas en línea, lo que facilita la colaboración y la presentación de resultados a colegas y público en general.
• Soporte para múltiples lenguajes de programación: Aunque su nombre está asociado originalmente con Python, los cuadernos de Jupyter también admiten otros lenguajes de programación como R, Julia y más, lo que los hace versátiles para diferentes necesidades y comunidades.
• Educación y aprendizaje interactivo: Los cuadernos son herramientas efectivas para la enseñanza y el aprendizaje, ya que permiten a los estudiantes interactuar con el contenido, modificar el código y ver los resultados en tiempo real.

Existen varias opciones para ejecutar Jupyter Notebook en la nube sin necesidad de instalar nada en nuestros equipos y aprovechando la poten cia computacional y los recursos tanto de CPU como de GPU de maquinas mas potentes.

Aquí presentamos algunas de las mas populares:

Google Colab

Estamos con la plataforma gratuita de Google que permite ejecutar Jupyter Notebooks en la nube. Se puede acceder a ella desde cualquier navegador web y tiene integración con Google Drive para guardar y compartir tus notebooks. Simplemente estando validado con nuestra cuenta de Google, nos vamos a la url de Collab (https://colab.research.google.com/ ) y ya podemos ejecutar cualquier cuaderno bien desde nuestro repositorio de Google Drive como desde el repositorio de Github o por supuesto crear uno nuevo.

Colab, también conocido como «Colaboratory», nos permite programar y ejecutar Python en un navegador ( NO necesariamente Chrome) con las ventajas de que no requiere configuración, el acceso a GPUs es sin coste adicional y permite compartir contenido fácilmente.

Microsoft Azure Notebooks

Fue un servicio en la nube que permitía a los usuarios crear, ejecutar y compartir cuadernos de Jupyter en un entorno en línea. Ofrecía capacidades similares a otros entornos de cuadernos, como Google Colab y Jupyter Notebook en sí. Sin embargo, en septiembre de 2021, Microsoft anunció la descontinuación de Azure Notebooks y se detuvo la creación de nuevos cuadernos y la capacidad de compartirlos.

Aunque Azure Notebooks ya no está disponible, los usuarios aún pueden trabajar con cuadernos de Jupyter en otras plataformas, como Jupyter Notebook localmente en sus máquinas, en servicios de nube alternativos como Google Colab o en entornos de desarrollo integrados (IDE) como VISUAL STUDIO que admitan cuadernos interactivos.

Amazon SageMaker:

Es una plataforma de aprendizaje automático de Amazon que permite crear, entrenar y desplegar modelos de aprendizaje automático en la nube. También incluye la opción de ejecutar Jupyter Notebooks en la nube proporcionando una forma integrada de trabajar con cuadernos Jupyter para el desarrollo y entrenamiento de modelos de machine learning. Puede utilizar cuadernos Jupyter en SageMaker de manera similar a como lo haría en otros entornos, pero con la ventaja de tener acceso directo a las capacidades de SageMaker y a la infraestructura de AWS. Aquí hay una descripción de cómo puede utilizar cuadernos Jupyter en Amazon SageMaker:

• Creación de un cuaderno: En la consola de Amazon SageMaker, puede crear un cuaderno directamente desde la interfaz. Esto generará una instancia de cuaderno Jupyter alojada en la nube de AWS.
• Elegir una instancia de cuaderno: Puede seleccionar la configuración de la instancia de cuaderno que mejor se adapte a sus necesidades en términos de capacidad de cómputo y memoria.
• Selección de imagen del cuaderno: Puede elegir una imagen del cuaderno que contenga las bibliotecas y marcos de trabajo que necesita, como TensorFlow, PyTorch o scikit-learn.
• Acceso a datos y recursos de SageMaker: Dentro del cuaderno, puede acceder a sus conjuntos de datos almacenados en Amazon S3 y utilizar las capacidades de SageMaker para preprocesamiento y manipulación de datos.
• Entrenamiento de modelos: Puede utilizar el cuaderno para definir y entrenar tus modelos de machine learning utilizando las capacidades de SageMaker, como el escalado distribuido para entrenar en grandes conjuntos de datos.
• Visualización y análisis de resultados: Los cuadernos Jupyter en SageMaker le permiten generar visualizaciones y analizar los resultados del entrenamiento en tiempo real.
• Despliegue de modelos: Puede utilizar el cuaderno para implementar modelos entrenados en servicios de producción de SageMaker, como endpoints en línea, lotes de inferencia y más.
• Colaboración y compartición: Puede compartir sus cuadernos con otros colaboradores, lo que facilita la colaboración en proyectos de machine learning.
• Integración con otros servicios de AWS: Puede acceder y utilizar otros servicios de AWS dentro de su cuaderno, lo que le puede brindar un amplio conjunto de herramientas para trabajar con datos y modelos.

Binder

Binder es una plataforma en línea gratuita que permite ejecutar Jupyter Notebooks desde un repositorio de GitHub sin necesidad de instalar nada en tu ordenador. Es una buena opción si quiere compartir su notebook con otros usuarios. Para acceder a la plataforma Binder y ejecutar un Jupyter Notebook en línea, siga los siguientes pasos:

• Abra un navegador web y diríjase a la página web de Binder: https://mybinder.org/
• En la sección «GitHub repository name or URL», ingrese el nombre de usuario de GitHub y el nombre del repositorio que contiene el notebook que desea ejecutar. Por ejemplo, si el usuario de GitHub es «myuser» y el nombre del repositorio es «myrepo», ingrese «myuser/myrepo». En la sección «Git ref», ingrese la rama o el hash del commit que contiene el notebook que deseas ejecutar. Si no está seguro, déjelo en blanco para ejecutar la última versión del notebook en la rama principal. Haga clic en el botón «Launch» para iniciar Binder.

• Espere unos minutos mientras Binder crea un ambiente virtual con todas las dependencias necesarias para ejecutar el notebook en línea. Una vez que el ambiente virtual esté listo, verá una página de Jupyter Notebook en su navegador web, donde puede explorar y ejecutar el notebook.

Tenga en cuenta que Binder es una plataforma gratuita y compartida, por lo que la velocidad y la capacidad de procesamiento pueden ser limitadas. Además, tenga en cuenta que cualquier persona puede acceder a su notebook si compartes la URL.

Como ejemplo ,para instalar nilmtk en Binder, siga los siguientes pasos:

1. Abra su notebook en Binder.
2. Cree un nuevo archivo llamado requirements.txt en la raíz de su directorio de trabajo. Para ello, haga clic en New en la parte superior derecha de la página y selecciona Text File. Cambie el nombre del archivo a requirements.txt. Abra el archivo requirements.txt y agrega la siguiente línea: nilmtk Esto le indica a Binder que instale la librería nilmtk y todas sus dependencias. Guarde el archivo requirements.txt. Cierre todos los notebooks y pestañas de Jupyter abiertos.
3. En la página principal de Binder, haga clic en Build en la parte superior derecha de la página. Esto iniciará la construcción de un nuevo ambiente virtual con nilmtk y sus dependencias instaladas.
4. Espere a que Binder termine de construir el ambiente virtual. Esto puede tomar varios minutos.
5. Una vez que la construcción esté completa, abra un nuevo notebook y verifique que nilmtk está instalado correctamente. Para ello, ingrese el siguiente código en una celda de su notebook y ejecútelo como python code :import nilmtk Si no hay errores, significa que nilmtk se ha instalado correctamente y está listo para empezar a trabajar con la famosa librería.

Estas son solo algunas opciones, pero existen muchas más plataformas en la nube que te permiten ejecutar Jupyter Notebooks. La elección depende de sus necesidades y preferencias personales.