python

¡Bienvenides al primer meetup de Python España! Desde la Asociación de Python España con el objetivo de crear espacios para el intercambio de conocimientos y promover el uso del lenguaje. Hemos creado este primer evento online en el que queremos sumarnos a la fiesta de Hacktoberfest. Nuestra agenda será Intro a Git por Jimena E. Bermúdez (30 min) Hablemos de OpenSource por Yamila Moreno, Cristián Maureira-Fredes y Juan Luis Cano (30 min) Para estar informado de todos los eventos que estaremos organizando por todo nuestro país, puedes suscribirte en nuestra newsletter en https://es.python.org/ Twitter: @python_es email: contacto@es.python.org Telegram: https://t.me/python_espana

Open Space Ponente: Juan Jose y Victor Títutlo: ¿Qué hay de nuevo en Python 3.11? Aula: Teoría 7 (Sábado) ------------------------------------ Resumen: La nueva versión de Python está a la vuelta de la esquina cargadita de novedades. Agrupación de excepciones, más velocidad, el nuevo módulo tomllib, novedades en el tipado... Comentamos qué trae de nuevo esta versión para todo el mundo y los más veteranos. ¡No te quedes atrás en lo nuevo de Python!

Ponente: Fede Título: Faster Python, démosle alas a la serpiente Aula: Paraninfo (Sábado) ---------------------------------- Resumen: Todos dicen que, comparado con otros lenguajes, Python es rápido de escribir, pero no tan rápido en ejecución ¿qué opciones tenemos para hacer que corra más? En esta charla aprenderemos a medir el rendimiento de nuestros programas en Python y analizaremos de forma práctica diferentes opciones para hacer que un programa en Python se ejecute más rápido, desde correr sobre PyPy o compilar con Nuitka hasta integrar partes en C++ con Pybind11. En esta charla veremos primero algunas formas de medir el rendimiento de nuestras aplicaciones. Seguidamente probaremos diferentes estrategias para conseguir que se ejecute más rápido, viendo que dependiendo de nuestro caso de uso, unos nos encajarán más que otros. Entre ellos, principalmente veremos: PyPy: https://www.pypy.org/ Nuitka: https://nuitka.net/ Cython: https://cython.org/ Pybind11: https://pybind11.readthedocs.io

Ponente: Pablo Galindo Título: Faster CPython project: Como estamos haciendo Python 3.11 más rápido Aula: Paraninfo (Domingo) ----------------------- Resumen: Python 3.11 es entre un 10 % y un 60 % más rápido que Python 3.10, según la aplicación. Hemos logrado esto de una manera totalmente genérica al hacer que el intérprete se adapte al programa que se está ejecutando y al optimizar las estructuras de datos clave. En esta charla explicaré qué cambios hemos realizado y cómo mejoran el rendimiento. El proyecto "Faster CPython" tiene como objetivo acelerar Python, específicamente CPython, en gran medida en las próximas versiones. La primera versión donde se podrán comprobar los beneficios de esta colaboración es Python 3.11. Python 3.11 incluye los siguientes cambios importantes: Intérprete especializado adaptativo (PEP 659). "Stack frames" asignados consecutivamente en memoria. Excepciones de coste cero. Arquitectura más óptima de objetos. Diccionarios de objetos creados oportunisticamente. Describiré cada uno de estos, describiendo cómo cada uno ayuda a acelerar Python y cómo interactúan entre sí. Terminaré la charla con algunas direcciones posibles para Python 3.12.

Ponente: Jimena Título: Crea tu propio juguete sexual con Python 🍆🍑 Aula: Teoría 6 (Sábado) --------------------------------------- Resumen: ¿Quién ha dicho que el hardware es una cosa difícil, aburrida y masculina? Nadie, pero tal cómo nos lo presentan eso parece. Pues se acabó lo de aburrido (en todos los sentidos, tú ya me entiendes 😉), se acabó lo de masculino porque vamos a crear nuestro propio dildo a tu gusto (en todos los sentidos también) y, por supuesto, se acabó lo de difícil, porque vamos a aprender y nos vamos a reír. En esta charla vamos a tener nuestro primer acercamiento al hardware de una forma diferente y amena. Aprenderemos qué son y cómo se conectan nuestro motor, controlador y placa, y cómo programarlos con MicroPython. Ven a la charla más vibrante de Python y quitate todos esos miedos a los cables, lucecitas y a soldar. 100% de gusto garantizado

Ponente: Martina Kienberger Título: Análisis de encuestas con Python Aula: Paraninfo (Domingo) ------------------------ Resumen: En muchos campos científicos, las encuestas son una importante herramienta de investigación. Utilizando Python, tenemos acceso a una gran variedad de librerías que nos facilitan el análisis de los datos recogidos, ya sean respuestas a preguntas cerradas o texto libre. ¡Vamos a conocer algunas de ellas! En mi charla daré una visión general de cómo se pueden usar diferentes librerías de Python para el análisis de encuestas con preguntas cerradas y abiertas. Para ello me basaré en mi experiencia con un proyecto de investigación sobre estrategias de aprendizaje en Filología. En este proyecto utilizé las siguientes librerías: Pandas, NumPy, Scipy, Scikit-learn, ELI5, SpaCy, Matplotlib, Seaborn... Los análisis llevados a cabo fueron, entre otros: análisis descriptivo, análisis de correlaciones, clustering, análisis de texto libre básico. Estructura de la charla: 1. Crear encuestas - Algunos puntos a considerar 2. Mi proyecto de investigación 3. Pasos en el análisis 4. Herramientas

Ponente: Isabella Karabasz Título: The ups and downs of deploying AI in the wild. A pyspark story Aula: Teoría 7 (Sábado) ---------------------------------- Resumen: Have you ever faced a professional challenge where you just didn’t know where to start?​ What happens to an AI model once it’s been trained and tested? In this talk, I’m going to share how I transformed into a data engineer for the duration of two weeks, while on the mission to deploy our python AI models in a Cloudera datalake using PySpark. In this personal story of a real life challenge, I will discuss the AI solution that our team developed in python for the classification of bank transactions. We will explore the challenges faced during the deploy of the solution using pyspark and its integration in the client platform. Finally, we will take a look at what the future holds for our AI solution during the next steps of productionalization of this project.

Ponente: Ramón Medrano Llamas Título: Cómo SRE utiliza Python para automatizar millones de máquinas y servicios Aula: Paraninfo (Sábado) ----------------------------------------- Resumen: En Google, ejecutamos más de 2 mil millones de contenedores nuevos en nuestra plataforma Borg cada semana: trabajos interactivos, procesamiento batch, one-shot, etc. La orquestación es muy importante cuando necesitamos desplegar una nueva versión de una stack, como como los servicios de autenticación, cuyo fallo puede hacer que la mayoría, si no todos, los productos de Google queden inutilizables. Necesitamos validar una nueva versión, realizar un análisis canary y desplegarla progresivamente en cientos de miles de máquinas en decenas de centros de datos en todo el mundo. Python es una herramienta central que usamos para esta multitud de propósitos. Tenemos cientos de años de ingeniería invertidos en herramientas de Python para administrar nuestros servicios. ¿Cómo evoluciona este código? ¿Cómo abordamos la mantenibilidad? ¿Cómo tratamos la optimización del rendimiento? Y la migración 2 a 3, ¿fue un dolor? Esta charla ofrecerá información detallada sobre todo lo que SRE ha utilizado Python durante la última década para administrar los servicios más importantes y críticos del planeta.

Ponente: Inés Huertas Títutlo: MLOps con MLFlow Aula: Paraninfo (Sábado) ----------------------------- Resumen: Veremos como con herramientas Open Source como MLFLow podemos gestionar el ciclo de vida de los modelos de Machine Learning que desarrollemos. La puesta en marcha, mantenimiento y operativización de los modelos de machine learning es algo que debemos hacer para asegurarnos de que el algoritmo desarrollado por un lado sea lo más eficiente posible y por otra parte sea sencillo de desarrollar e integrar en un ciclo de desarrollo y despliegue continuo. Herramientas como MLFlow, un software Open Source, nos permiten poder llevar a cabo estas tareas de una forma sencilla desde Python que durante la sesión veremos como funciona.

Ponente: Gerard Título: Escalado transparente de aplicaciones python en el cloud con Lithops Aula: Teoría 7 (Sábado) -------------------------------------- Resumen: En esta charla, presentamos Lithops, un poderoso framework de computación distribuida multinube de Python, el cual permite escalar de forma transparente aplicaciones Python locales y multiproceso usando cantidades masivas de recursos en la nube. Demostraremos cómo las aplicaciones multiprocessing de Python se pueden migrar de forma transparente a la nube, logrando un mejor rendimiento sin la necesidad de modificar el código. También mostraremos cómo se puede usar para escalar masivamente aplicaciones paralelas como el procesamiento de imágenes geoespaciales, reduciendo significativamente el tiempo de ejecución.