Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 9.7 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 9.7 KB

Configuración Local 🖥️

Usa esta guía si prefieres ejecutar todo en tu propia laptop.
Tienes dos caminos: (A) Python nativo + virtual-env o (B) Contenedor de desarrollo VS Code con Docker.
Elige el que te parezca más fácil; ambos conducen a las mismas lecciones.

1. Requisitos previos

Herramienta Versión / Notas
Python 3.10 + (descárgalo de https://python.org)
Git Última versión (viene con Xcode / Git para Windows / gestor de paquetes de Linux)
VS Code Opcional pero recomendado https://code.visualstudio.com
Docker Desktop Solo para la Opción B. Instalación gratuita: https://docs.docker.com/desktop/

💡 Consejo – Verifica las herramientas en una terminal:
python --version, git --version, docker --version, code --version

2. Opción A – Python nativo (más rápido)

Paso 1 Clona este repositorio

git clone https://github.com/<your-github>/generative-ai-for-beginners
cd generative-ai-for-beginners

Paso 2 Crea y activa un entorno virtual

python -m venv .venv          # hacer uno
source .venv/bin/activate     # macOS / Linux
.\.venv\Scripts\activate      # Windows PowerShell

✅ El prompt ahora debería comenzar con (.venv)—eso significa que estás dentro del entorno.

Paso 3 Instala las dependencias

pip install -r requirements.txt

Salta a la Sección 3 sobre Claves API

2. Opción B – Contenedor de desarrollo VS Code (Docker)

Configuramos este repositorio y curso con un contenedor de desarrollo que tiene un runtime universal que puede soportar desarrollo en Python3, .NET, Node.js y Java. La configuración relacionada está definida en el archivo devcontainer.json ubicado en la carpeta .devcontainer/ en la raíz de este repositorio.

¿Por qué elegir esto?
Entorno idéntico a Codespaces; sin deriva de dependencias.

Paso 0 Instala los extras

Docker Desktop – confirma que docker --version funcione.
Extensión Remote – Containers de VS Code (ID: ms-vscode-remote.remote-containers).

Paso 1 Abre el repositorio en VS Code

Archivo ▸ Abrir carpeta… → generative-ai-for-beginners

VS Code detecta .devcontainer/ y muestra un aviso.

Paso 2 Reabrir en contenedor

Haz clic en “Reopen in Container”. Docker construye la imagen (≈ 3 min la primera vez).
Cuando aparezca el prompt del terminal, estarás dentro del contenedor.

2. Opción C – Miniconda

Miniconda es un instalador ligero para instalar Conda, Python, así como algunos paquetes.
Conda es un gestor de paquetes que facilita configurar y cambiar entre diferentes entornos virtuales y paquetes de Python. También es útil para instalar paquetes que no están disponibles vía pip.

Paso 0 Instala Miniconda

Sigue la guía de instalación de MiniConda para configurarlo.

conda --version

Paso 1 Crea un entorno virtual

Crea un nuevo archivo de entorno (environment.yml). Si estás siguiendo usando Codespaces, créalo dentro del directorio .devcontainer, es decir, .devcontainer/environment.yml.

Paso 2 Llena tu archivo de entorno

Agrega el siguiente fragmento a tu environment.yml

name: <environment-name>
channels:
 - defaults
 - microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
    - azure-ai-ml

Paso 3 Crea tu entorno Conda

Ejecuta los comandos abajo en tu línea de comandos/terminal

conda env create --name ai4beg --file .devcontainer/environment.yml # La subruta .devcontainer se aplica solo a configuraciones de Codespace
conda activate ai4beg

Consulta la guía de entornos Conda si tienes problemas.

2 Opción D – Jupyter clásico / Jupyter Lab (en tu navegador)

¿Para quién es esto?
Para quien ama la interfaz clásica de Jupyter o quiere ejecutar notebooks sin VS Code.

Paso 1 Asegúrate de que Jupyter esté instalado

Para iniciar Jupyter localmente, ve a la terminal/línea de comandos, navega al directorio del curso y ejecuta:

jupyter notebook

o

jupyterhub

Esto iniciará una instancia de Jupyter y la URL para acceder se mostrará en la ventana de la línea de comandos.

Una vez accedas a la URL, deberías ver el índice del curso y poder navegar a cualquier archivo *.ipynb. Por ejemplo, 08-building-search-applications/python/oai-solution.ipynb.

3. Añade tus claves API

Mantener tus claves API seguras es importante al construir cualquier tipo de aplicación. Recomendamos no almacenar claves API directamente en tu código. Cometer esos detalles en un repositorio público podría resultar en problemas de seguridad e incluso costos no deseados si son usados por un actor malicioso.
Aquí tienes una guía paso a paso para crear un archivo .env para Python y añadir el GITHUB_TOKEN:

  1. Navega a tu directorio de proyecto: Abre tu terminal o línea de comandos y navega al directorio raíz de tu proyecto donde quieres crear el archivo .env.

    cd path/to/your/project

  2. Crea el archivo .env: Usa tu editor de texto preferido para crear un nuevo archivo llamado .env. Si usas la línea de comandos, puedes usar touch (en sistemas Unix) o echo (en Windows):

    Sistemas Unix:

    touch .env

    Windows:

    echo . > .env

  3. Edita el archivo .env: Abre el archivo .env en un editor de texto (por ejemplo, VS Code, Notepad++ o cualquier otro editor). Añade la siguiente línea al archivo, reemplazando your_github_token_here con tu token real de GitHub:

    GITHUB_TOKEN=your_github_token_here

  4. Guarda el archivo: Guarda los cambios y cierra el editor de texto.

  5. Instala python-dotenv: Si no lo has hecho, necesitas instalar el paquete python-dotenv para cargar variables de entorno desde el archivo .env en tu aplicación Python. Puedes instalarlo usando pip:

    pip install python-dotenv

  6. Carga las variables de entorno en tu script Python: En tu script Python, usa el paquete python-dotenv para cargar las variables de entorno desde el archivo .env:

    from dotenv import load_dotenv
import os

# Cargar variables de entorno desde el archivo .env
load_dotenv()

# Acceder a la variable GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

¡Eso es todo! Has creado exitosamente un archivo .env, añadido tu token de GitHub y lo has cargado en tu aplicación Python.

🔐 Nunca cometas .env—ya está en .gitignore.
Las instrucciones completas del proveedor están en providers.md.

4. ¿Qué sigue?

Quiero… Ir a…
Empezar la Lección 1 01-introduction-to-genai
Configurar un proveedor LLM providers.md
Conocer a otros estudiantes Únete a nuestro Discord

5. Solución de problemas

Síntoma Solución
python not found Añade Python al PATH o vuelve a abrir la terminal tras instalar
pip no puede construir wheels (Windows) pip install --upgrade pip setuptools wheel y luego intenta de nuevo.
ModuleNotFoundError: dotenv Ejecuta pip install -r requirements.txt (el entorno no estaba instalado).
Fallo en build de Docker No space left Docker Desktop ▸ Settings ▸ Resources → aumenta el tamaño del disco.
VS Code sigue pidiendo reabrir Puede que tengas ambas opciones activas; elige una (venv o contenedor)
Errores 401 / 429 de OpenAI Verifica el valor de OPENAI_API_KEY / límites de tasa de solicitudes.
Errores usando Conda Instala las librerías Microsoft AI usando conda install -c microsoft azure-ai-ml

Aviso Legal:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas derivadas del uso de esta traducción.