List of videos

Facilitar la comprensión de los resultados de un análisis cerebral EEG para los pacientes y proveer a los técnicos con un conjunto de herramientas que incluye capacidades de mejorar las visualizaciones y análisis estadístico mediante MNE, un Python library. Slides: https://pycon-assets.s3.amazonaws.com/2024/media/presentation_slides/138/2024-05-17T18%3A33%3A36.045139/CA_Neuroimaging_Analysis_PyCon_Charla.pdf

Nos encanta usar Python en nuestro trabajo, pero lamentablemente la base de datos de tu empresa donde ejecutas tus ETL (extracción, transformación y carga) te lo previene. Muy probablemente tu base de datos hable SQL, ¿Por qué? Porque SQL está en todos lados, ha estado presente durante un largo tiempo, está estandarizado y es conciso. ¿Pero realmente está estandarizado? ¿Y siempre es conciso? ¡No! ¿Aún necesitamos usarlo? ¡Probablemente sí! ¿Qué puede hacer una persona que trabaja con datos? ¿SQL con string-templating (plantilla de cadena de caracteres)? print(f"Ese camino conduce a {locura}}".) Mejor, ¡ven y aprende sobre Ibis! Ibis es una biblioteca completamente en Python que ofrece una una interfaz similar a aquellas con estructuras de datos tabulares (data frames), que te permite construir queries concisas y componibles que se pueden ejecutar en una amplia variedad de backends (SQLite, DuckDB, Postgres, Spark, Clickhouse, Snowflake, BigQuery, ¡y más!). ¿Alguna vez has tenido que traducir un prototipo de Pandas a PySpark para ejecutarlo en "datos reales"? ¿O descargar un enorme archivo parquet porque los datos en la fuente son el resultado de 500 líneas de SQL denso y tienes miedo de tocarlo? ¿Quieres probar esta cosa llamada "DuckDB" pero no quieres aprender SQL? ¿Tienes una relación de amor/odio con SQL porque te permite hacer tu trabajo, pero piensas que debe haber una mejor manera? ¿Te has quedado atascado manteniendo un creciente y amorfo conjunto de SQL con plantillas que solo se suponía que se usaría para esa demostración? Bueno, si eres un ingeniero de datos, científico de datos, entusiasta de los datos o cualquier cosa relacionada con los datos, ¡ven y únete a nosotros para descubrir lo que Ibis puede hacer por ti!

título completo: Charlas: Hackeando el Pensamiento: Traduciendo Señales Eléctricas del Cerebro en Acciones a través de Modelos LLM. Presented by: Adonai Vera En esta charla única, demostraremos la increíble capacidad de "hackear" el cerebro humano para interactuar con tecnologías avanzadas. Usando el dispositivo Neurosity, capturaremos señales eléctricas cerebrales, que luego serán interpretadas en Python para realizar acciones específicas. Este proceso comienza con la lectura de ondas cerebrales, utilizando un clasificador para convertirlas en comandos digitales. Por ejemplo, mostraremos cómo estas señales pueden transformarse en la acción de pedir una pizza. Esta demostración práctica resalta el potencial de combinar neurotecnología con aplicaciones cotidianas. Luego, incorporaremos tecnología de voz a texto para convertir un diálogo sobre pedir una pizza en una llamada telefónica real. Esta integración multifacética ilustra la eficacia de Python en la unión de distintas tecnologías en un flujo de trabajo coherente. Además, compartiremos insights y recomendaciones basadas en nuestra experiencia en la implementación de estas tecnologías. Los participantes obtendrán una comprensión detallada de cómo la interpretación de señales cerebrales puede aplicarse en situaciones reales, abriendo nuevas posibilidades en la interacción humano-máquina. Esta presentación es una ventana al futuro de la interacción humano-computadora, destacando el poder transformador de la neurotecnología y la inteligencia artificial en la vida diaria. Slides: https://pycon-assets.s3.amazonaws.com/2024/media/presentation_slides/82/2024-05-11T21%3A22%3A45.717179/Pycon_2024_THackeando_el_Pensamientos.pptx.pdf

título completo: Charlas: ¡Pero si funciona en mi computadora! Cómo lograr que nuestros análisis de datos sean reproducibles Presented by: Riva Quiroga La reproducibilidad computacional no solo es un asunto de ejecución de código, sino, sobre todo, un asunto vinculado a la comunicación. Para asegurarnos de que otras personas (nuestro equipo, nuestro yo del futuro, otras colegas, etc.) puedan reproducir nuestros resultados a partir de los datos y el código que escribimos, necesitamos que nuestros proyectos comuniquen de manera clara para qué sirve cada uno de sus componentes y dónde encontrar los piezas necesarias para hacer que todo funcione. La charla tiene como audiencia objetivo a personas que usan Python para análisis de datos, tanto quienes trabajan en contextos académicos de investigación, como quienes trabajan como científicos o científicas de datos en industria. Puede ser de particular interés para quienes recién están empezando en esta área y quieren adoptar buenas prácticas. Al finalizar la charla, la audiencia tendrá una serie de lineamientos prácticos y aplicables que podrán ayudar que sus flujos de análisis de datos con Python sean reproducibles. Luego de dar algunos ejemplos de la vida real en los que (casi) todo salió mal producto de que el código no era reproducible, se abordarán los siguientes tópicos: - uso de entornos virtuales. - uso de control de versiones. - organización de directorios y archivos. - escribir funciones y automatizar tareas - cómo crear documentación útil para quienes utilizarán nuestro código en el futuro. Slides: https://pycon-assets.s3.amazonaws.com/2024/media/presentation_slides/68/2024-05-17T20%3A21%3A45.733249/pero-si-funciona-en-mi-computadora.pdf

En esta charla, analizaré los conceptos fundamentales de observabilidad y cómo se pueden aplicar usando Python. Demostraré qué es la observabilidad y por qué es tan crucial en el desarrollo de software. Cubriremos los tres pilares esenciales de la observabilidad (registros, métricas y seguimiento) y exploraremos cómo Python, con su simplicidad y eficacia, encaja perfectamente en este escenario. Veamos ejemplos prácticos de cómo implementar el registro básico, recopilar métricas simples y comprender los fundamentos del seguimiento distribuido. Línea de tiempo: 1. Introducción (3-5 minutos) Bienvenido y sobre mí: contextualice rápidamente su experiencia con Python y la observabilidad. Resumen de lo que se cubrirá. ¿Qué es la observabilidad? (5 minutos) Definición e importancia: explique de manera concisa qué es la observabilidad y por qué es crucial en el desarrollo de software. Pilares de observabilidad: un vistazo rápido a registros, métricas y seguimiento. Python y observabilidad (5 minutos) ¿Por qué Python? Destacaré la idoneidad de Python para tareas de observabilidad, centrándome en la simplicidad y eficacia. ¿Herramientas? Mencionaré rápidamente algunas herramientas y bibliotecas como el registro y Prometheus. Demostración Práctica (10 minutos) Ejemplo con registro; Introducción a las Métricas; Seguimiento básico; Conclusión (5 minutos) Resumen de la conferencia, repasando palabras clave;

¿Qué pasa, calabaza? "Calabaza_bot" es un bot de telegram que me permite hacer seguimiento de mi salud mental, registrar momentos importantes y notas de voz, todo utilizando tecnologías open source, gratuitas (o exageradamente baratas) como: 1. Telegram y el paquete python-telegram-bot 2. Fly.io 3. La nube de AWS (S3, Lambda Functions) 4. Whisper de OpenAI 5. GitHub Actions y dbt 6. Snowflake Con "Calabaza_bot", puedo fácilmente mantener un registro de tus emociones y estado de ánimo diario, registrar momentos importantes e insights, y analizar las tendencias de tu salud mental a lo largo del tiempo. Al aprovechar la potencia de las últimas tecnologías, "Calabaza_bot" me ayuda a entender mejor mi salud mental y tomar decisiones informadas sobre mi bienestar general. En esta charla, te llevaré en el viaje de construcción de "Calabaza_bot", compartiré los desafíos, lecciones e ideas que aprendí durante el proceso de desarrollo. Descubre cómo aproveché las últimas tecnologías y técnicas para construir un bot funcional y efectivo de seguimiento de la salud mental, y aprende cómo puedes aplicar estos conocimientos a tus propios proyectos. Ya seas desarrollador, analista de datos o defensor de la salud mental, esta charla es para ti. Slides: https://pycon-assets.s3.amazonaws.com/2024/media/presentation_slides/12/2024-05-18T12%3A38%3A42.452582/Que_pasa_calabaza_-_PyCon_2024_compressed.pdf

En esta charla hablaré sobre cómo compartir soluciones y fomentar el uso de Python en tareas cotidianas cuando trabajas dentro de una compañía que usa métodos tradicionales como Word y Excel. Es importante entender que, si bien existe un importante desarrollo de tecnologías a gran escala que nos permiten trabajar con Inteligencia Artificial, Big Data, Aplicaciones Web, etc. en el mundo real, especialmente en instituciones de carácter público, se siguen utilizando y exigiendo métodos tradicionales para compartir y almacenar la información. En este trabajo “a pequeña escala”, existen desafíos como la generación de reportes automáticos en formato Word, el relleno de formularios en planillas Excel para la entrega de información oficial y la generación de aplicaciones que ayuden a las personas que no programan a realizar procesos repetitivos. Presentaré ejemplos de reportes reproducibles con Quarto, relleno automático de formatos oficiales en planillas Excel con Pandas+xlwings y generación de aplicaciones con Streamlit y Shiny. También entregaré algunos consejos sobre cómo trabajar colaborativamente con personas que no programan y cómo desarrollar soluciones con Python que puedan ser utilizadas dentro del contexto del trabajo de oficina diario. Slides: https://pycon-assets.s3.amazonaws.com/2024/media/presentation_slides/96/2024-05-18T18%3A09%3A38.025288/pycon2024_stephanie_orellana.pptx

En los últimos años, hemos visto el crecimiento de compañías enfocadas al desarrollo de vehículos autónomos, como lo son Tesla ,Waymo o Kiwibots. Al ver estos grandes proyectos podría pensarse que la lógica detrás de un sistema informático para controlar este tipo de robots es muy complicada. En esta charla vamos a desmitificar un poco el funcionamiento de esta clase de sistemas, aprenderemos sobre algunas tendencias en cuanto a frameworks de robótica como ROS, y como es que se comunican los distintos sensores del vehículo para lograr la conducción autónoma. Todo desde un punto de vista de ingeniería de software enfocada a trabajar con nodos de comunicación en tiempo real. Y por supuesto, todos los ejemplos escritos en Python. Audiencia La audiencia puede ser cualquier persona entusiasmada en temas de robótica o de conducción autónoma, no hace falta tener algún tipo de conocimiento previo en algo en particular, ya que la charla está enfocada a tocar conceptos teóricos y explicarlos. Esquema Introducción a los vehículos autónomos (5 minutos) Explicación breve de los tipos de vehículos autónomos. Explicación sobre el enfoque de la charla y las limitaciones de la misma. Introducción a ROS con Python (7 minutos) El framework de robótica ROS y los sistemas en tiempo real. Los nodos de comunicación y los tipos de mensajes. Breve analogía entre los sistemas de robótica y los servicios en una nube. Cómo funcionan los sensores de un vehículo autónomo, y el control (10 minutos) Sensor Fusion (Cámaras, LiDAR, Radar, GPS) Aprendizaje automático para tomar decisiones Demo del funcionamiento de un vehiculo autonomo con CARLA Simulator y ROS2 (10 minutos) Mostrando una aplicación funcional de un vehículo autónomo en el simulador CARLA para visualizar el funcionamiento de ROS y su interacción con los sensores del vehículo. Conclusiones (3 minutos)

Command line tools have two audiences: * humans using it directly * other tools, scripts working together with it In this tutorial, you'll learn how to build CLI applications for both of these user groups. We'll get to know the Command Line Interface Guidelines (https://clig.dev/), an open source, language-agnostic collection of principles and guidelines. We'll build an application following those principles in Python, using typer and Rich. Our short-term goal for this workshop is to build a CLI catalogue of past PyCon talks. The long-term goal is to provide tools (incl. code snippets and checklists) that you can use for your own CLI applications.