1.

Título de la práctica
Programación básica de Python
2. Temas para tratar
▪ Fundamentos de Python
▪ Entornos de programación
▪ Programación básica, estructuras de control y álgebra matricial.

3. Introducción
Python se ha consolidado como el lenguaje de referencia en el campo de la visión artificial gracias
a su sintaxis clara, su amplia comunidad y su ecosistema de bibliotecas especializadas. Desde el
procesamiento básico de imágenes hasta la implementación de redes neuronales profundas,
ofrece herramientas poderosas que permiten transformar datos visuales en conocimiento útil.
Para la visión artificial. Python permite:
▪ Leer, visualizar y transformar imágenes digitales.
▪ Aplicar filtros, detectar bordes y segmentar regiones de interés.
▪ Reconocer objetos y patrones mediante algoritmos clásicos y modelos de aprendizaje.
▪ Automatizar tareas de inspección, clasificación y seguimiento visual.
▪ Desarrollar soluciones reproducibles y escalables para entornos reales.
En esta práctica se revisará los procedimientos básicos para comprender los fundamentos de
Python, los entornos de programación disponibles y la programación básica.

4. Desarrollo de la práctica
4.1. Competencias de la práctica
▪ Comprende los fundamentos de Python.
▪ Utiliza los diferentes entornos de programación de Python contrastando sus ventajas
de modo que le permitan elegir el más adecuado.
▪ Adquiere habilidad para elaborar programas en Python.
4.2. Resultados del aprendizaje
▪ Conocimiento: Entender los fundamentos de Python.
▪ Desempeño: Ser capaz de contrastar los diferentes entornos de programación
disponibles para utilizar Python.
▪ Producto: Crear programas básicos en Python utilizando estructuras de control y
álgebra matricial.
4.3. Tiempo de la sesión
Dos horas (una sesión)
4.4. Fundamentación teórica
Python: Fundamentos
Python es un lenguaje de programación de código abierto, creado por Guido van Rossum en
1991. Es un lenguaje orientado a objetos, fácil de interpretar y con una sintaxis que permite
leerlo de manera semejante a como se lee el inglés. Es un lenguaje interpretado, esto significa
que el código de programación se convierte en bytecode y luego se ejecuta por el intérprete,
que, en este caso, es la máquina virtual de Python. Ver figura 1.1
 Figura 1.1
Lenguaje interpretado y lenguaje compilado

Nota. Adaptado de Python, un lenguaje interpretado, por Sánchez Ángel, 2023.

([Link]
El intérprete de Python y la extensa librería estándar se encuentran disponibles para la mayoría
de las plataformas desde la Web de Python, [Link] y se pueden distribuir
libremente. El mismo sitio también contiene distribuciones y referencias a muchos módulos
libres de Python de terceros, programas, herramientas y documentación adicional.
4.4.1 Entornos de programación
[Link] Línea de comandos:
Permite programar línea a línea usando la línea de comandos. Vea la figura 1.2
Figura 1.2
Intérprete de Python

Nota: Elaboración propia

Note el cambio de “prompt” (>>>).
[Link] IDLE:
Es un entorno y editor que acompaña a Python de manera predeterminada. Adecuado
para desarrolladores que empiezan a trabajar con este lenguaje. Para la programación
y ejecución de programas usa dos ventanas: una de consola y la otra de programación,
como lo muestra la figura 1.3
Figura 1.3
Ventana de consola y ventana de programación de Idle
Nota: Elaboración propia

[Link] IDE (Entornos de desarrollo integrado):

Es una aplicación que reúne en un solo lugar todas las herramientas necesarias para
desarrollar software de manera eficiente. Es como el “taller” del programador, donde
puede escribir, probar, depurar y gestionar su código. Existen varios, de pago y
gratuitos como Spyder, Pycharm, KDevelop, SlickEdit, etc. Incluso, los IDEs de Java,
como Netbeans o Eclipse pueden ser utilizados para Python añadiendo las extensiones
pertinentes. Estos entornos son adecuados para desarrolladores experimentados, ya
que facilita la creación de proyectos a gran escala con Python. La figura 1.4 muestra el
IDE Spyder

Figura 1.4
Interfaz de programación de Spyder

Nota: Elaboración propia

[Link] Entornos interactivos basados en la web:
Son aplicaciones web que se puede ejecutar en cualquier navegador. En concreto, esta
aplicación facilita la creación de cuadernos (notebooks) compuestos por celdas. En
estas celdas se desarrolla código Python y se va ejecutando una a una. Este entorno es
muy popular en data science y machine learning, ya que permite visualizar gráficos y
tener el código que los ha generado en un mismo documento.
 Se destacan:
‒ Jupyter Notebook. El Proyecto Jupyter es una organización sin ánimo de lucro
creada para "desarrollar software de código abierto, estándares abiertos y
servicios para computación interactiva en los lenguajes de programación". Creado
a partir de IPython en 2014 por Fernando Pérez, el proyecto Jupyter soporta
entornos de ejecución en varios lenguajes de programación.
Jupyter Notebook es un entorno interactivo basado en la web. El término
"notebook" puede hacer referencia a varias entidades diferentes, principalmente
la aplicación web Jupyter, el servidor web Jupyter Python o el formato de
documento Jupyter. Un documento de Jupyter Notebook es un documento JSON,
que sigue un esquema y que contiene una lista ordenada de celdas de E/S que
pueden contener código, texto (usando Markdown), matemáticas, gráficos y texto
enriquecidos, generalmente terminado con la extensión ".ipynb".
‒ Google Colab: Es la propuesta de Google similar a la anterior. Es muy fácil de
utilizar porque no se requiere ninguna instalación y solo necesita una cuenta de
correo Gmail.
4.4.2 Plataformas de distribución de software de programación
Son aplicaciones que integran varios programas con herramientas que apoyan su
tarea. Se destacan:
[Link] Visual Studio Code: Aplicación de código abierto creada por Microsoft,
pensada para desarrollar aplicaciones con distintos lenguajes de programación. Tiene
opciones muy interesantes como la integración con el sistema de control de versiones
Git, interactuar con la consola desde el propio editor y la posibilidad de instalarle
extensiones que facilitan la vida del desarrollador.
[Link] Anaconda: Es una distribución gratuita y de código abierto de Python (y
también R) diseñada especialmente para ciencia de datos, inteligencia artificial,
machine learning y análisis estadístico. Es como una “caja de herramientas” lista para
usar, que incluye todo lo necesario para comenzar a trabajar en proyectos técnicos sin
preocuparse por instalar dependencias una por una.
Anaconda incluye:
‒ Python y R preinstalados
‒ Más de 8,000 paquetes científicos listos para usar (como NumPy, pandas,
Matplotlib, scikit-learn, TensorFlow, etc.)
‒ Jupyter Notebook y JupyterLab para crear y ejecutar notebooks interactivos
‒ Anaconda Navigator: interfaz gráfica para gestionar entornos, paquetes y
aplicaciones sin usar la terminal
‒ Conda: sistema de gestión de paquetes y entornos virtuales

¿Por qué usar Anaconda?

‒ Evita conflictos entre versiones de paquetes
‒ Ideal para educación, investigación y desarrollo profesional
‒ Compatible con Windows, macOS y Linux
‒ Facilita la creación de entornos aislados para distintos proyectos

4.5. Recursos
▪ Equipos
Computadoras con acceso a Internet
4.6. Metodología
▪ Definir las competencias que se pretenden adquirir con la práctica.
▪ Repasar los conocimientos previos que debe tener en claro
▪ Preparar el espacio de trabajo: Asegurarse que el laboratorio esté limpio y organizado,
así como verificar que todos los instrumentos de medición estén funcionando
adecuadamente y/o que el software de simulación se pueda ejecutar sin problemas.
▪ Utilizar equipo de protección si fuese necesario.
▪ Seguir el procedimiento paso a paso y completar los datos que la práctica demande.
▪ Documentar observaciones: Realizar capturas de pantalla, fotos o videos de corta
duración.
▪ Análisis y discusión de los resultados obtenidos relacionándolos con los conceptos
teóricos estudiados.
4.7. Actividades para desarrollar
4.7.1 Parte 1: Empleo de Google Colab para la programación en Python
Para empezar el trabajo con Google Colab, lleve a cabo el siguiente procedimiento:
▪ Ingrese a su cuenta Gmail.
▪ Acceda a Google Colab. Puede hacerse de dos formas:
‒ Busque en Google: Google Colab
‒ Escribir en la barra de direcciones: [Link]
▪ Para identificar las partes del entorno de programación de Google Colab, en la ventana
que aparece, elija Nuevo cuaderno lo que debe mostrar la figura 1.5.
Figura 1.5
Entorno de Google Colab

Nombre del cuaderno

Menú de herramientas Indicador de conexión

Celda de código
Opciones para agregar
celdas de código o de texto
Menú de la celda

Barra lateral

Nota: Elaboración propia

 ▪ Tenga en cuenta que, en este entorno de programación, los archivos que contienen los
programas se denominan cuadernos.
▪ Para desarrollar el trabajo se dispone de celdas de texto (en lenguaje Markdown) y celdas
de código (identificadas por una flecha de reproducción y fondo gris). También existe la
posibilidad de insertar celdas de encabezado que se usan para presentación del cuaderno.
Notas:
▪ Google Colab es una instancia temporal, al desconectarse, se pierden datos y programas
por lo que debe tener la precaución de grabar el programa y sobretodo descargar los
datos, que en este tema podrían ser las figuras.
▪ Cuando acceda a Google Colab, automáticamente se creará una carpeta Colab Notebooks
en su Google Drive en la que se almacenarán sus programas previamente guardados.

4.7.2 Parte 2: Programación básica

▪ Descargue del aula virtual el cuaderno Practica 1.1 a una carpeta debidamente preparada
con antelación.
▪ Acceda a Google Colab. En la pantalla que aparece (figura 1.6), elija Subir y a continuación,
ubique y seleccione el archivo Practica 1.1 o arrástrelo a la zona especificada.
Figura 1.6
Ubicación de la opción “Subir”

Nota: Elaboración propia

▪ En caso no se presente la ventana anterior, puede utilizar el menú de herramientas, como
muestra la figura 1.7.
 Figura 1.7
Menú de herramientas

Nota: Elaboración propia

▪ Identifique las partes del cuaderno, como son: la celda de encabezado, las celdas de texto
y las celdas de código
▪ Lleve a cabo los procedimientos especificados en el cuaderno
▪ Tenga en cuenta que, al momento de ejecutar un código, el indicador de conexión muestra
el uso de la memoria RAM y el disco virtual proporcionado por Google, como se aprecia en
la figura 1.7:
Figura 1.7
Indicador de conexión

Nota: Elaboración propia

▪ Nota: Recuerde que el cuaderno que ha subido se ha ubicado en la carpeta Colab
Notebooks de su Google Drive.
4.7.3 Parte 3: Estructuras de control
▪ Descargue del aula virtual el cuaderno Practica 1.2
▪ Acceda a Google Colab y suba dicho cuaderno
▪ Lleve a cabo los procedimientos especificados.

4.7.4 Parte 4: Álgebra matricial

▪ Descargue del aula virtual el cuaderno Practica 1.3
▪ Acceda a Google Colab y suba dicho cuaderno
▪ Lleve a cabo los procedimientos especificados.

4.7.5 Actividad propuesta

Investigue cómo se implementan los gráficos en Python. Cree un cuaderno e incorpore
ejemplos de dicho procedimiento.

5. Cuestionario
Instale las otras formas de programar en Python:

i. Python (Idle).
Revise el video: [Link]
 ii. Spyder.
Revise el video: [Link]
Presente alguno de los programas desarrollados anteriormente en cada aplicación.

6. Resultados y conclusiones

7. Referencias bibliográficas
▪ Ramírez Jiménez, Oscar. Python a fondo. 2021. Editorial Marcombo. 1ra edición.
▪ Schurmann, Nicolás. Ultimate Python: de cero a experto. 2024. Editorial Publicación
independiente. 1ra edición.
▪ Cuevas Álvarez, Alberto. Python 3. Curso Práctico. 2016. Editorial RaMa. 1ra edición