Usar Google Colab

Guía completa para usar Google Colab, la plataforma gratuita de Google para ejecutar Python en la nube con GPU y TPU sin instalación local.

🌐 ¿Qué es Google Colab?

Google Colaboratory (Colab) es un entorno de programación en Python basado en Jupyter Notebooks que se ejecuta completamente en la nube.

Ventajas principales:

• Gratis – No necesitas pagar nada
• Sin instalación – Solo necesitas un navegador web
• GPU y TPU gratis – Acelera cálculos de machine learning
• Colaboración en tiempo real – Como Google Docs
• Integración con Google Drive – Guarda automáticamente
• Librerías preinstaladas – NumPy, Pandas, TensorFlow, etc.

💡 Ideal para: Aprendizaje, prototipado rápido, análisis de datos, machine learning, deep learning y proyectos que requieren poder de cómputo.

PASO 1: Acceder a Google Colab

🔑 Requisitos previos

• Cuenta de Google (Gmail)
• Navegador web actualizado (Chrome, Firefox, Safari, Edge)
• Conexión a Internet

🚀 Acceso directo

1. Visita: colab.research.google.com
2. Inicia sesión con tu cuenta de Google
3. ¡Listo! Ya puedes comenzar a programar

📂 Acceso desde Google Drive

1. Abre Google Drive
2. Click derecho en cualquier parte → Más → Conectar más aplicaciones
3. Busca «Colaboratory» y conecta la aplicación
4. Ahora puedes crear notebooks desde: Nuevo → Más → Google Colaboratory

PASO 2: Crear tu primer Notebook

📝 Crear nuevo notebook

1. En Colab, click en Archivo → Nuevo notebook
2. O click en + Nuevo notebook en la página principal
3. Se abrirá un notebook vacío llamado «Untitled0.ipynb»

✏️ Renombrar notebook

1. Click en el nombre «Untitled0» en la parte superior
2. Escribe un nuevo nombre: Mi_Primer_Colab
3. Se guarda automáticamente en tu Google Drive

PASO 3: Interfaz de Google Colab

🎯 Elementos principales

• Barra de menú – Archivo, Editar, Ver, Insertar, Entorno de ejecución, Herramientas, Ayuda
• Barra de herramientas – Botones de ejecución, añadir celdas, configuración
• Celdas de código – Donde escribes el código Python
• Celdas de texto – Para documentación en Markdown
• Panel lateral – Tabla de contenido, búsqueda, variables, archivos

⌨️ Atajos de teclado útiles

Ctrl + Enter      - Ejecutar celda actual
Shift + Enter     - Ejecutar celda y avanzar
Ctrl + M B        - Insertar celda debajo
Ctrl + M A        - Insertar celda arriba
Ctrl + M D        - Eliminar celda
Ctrl + M Y        - Convertir celda a código
Ctrl + M M        - Convertir celda a texto (Markdown)
Ctrl + S          - Guardar notebook
Ctrl + /          - Comentar/descomentar línea
Tab               - Autocompletar código

PASO 4: Trabajar con Celdas

📊 Tipos de celdas

Colab tiene dos tipos principales de celdas:

1. Celdas de Código – Para ejecutar Python

2. Celdas de Texto – Para documentación (Markdown)

🔵 Celda de Código – Tu primer programa

Click en + Código o presiona Ctrl+M B

# Tu primera celda de código
print("¡Hola, Google Colab! 👋")
print("=" * 30)
print("Este código se ejecuta en la nube de Google")

# Información del sistema
import sys
print(f"\nVersión de Python: {sys.version}")

Presiona Ctrl+Enter o click en el botón ▶ para ejecutar.

Salida esperada:

¡Hola, Google Colab! 👋
==============================
Este código se ejecuta en la nube de Google

Versión de Python: 3.10.12 (main, ...)

📝 Celda de Texto – Documentación

Click en + Texto o presiona Ctrl+M M (convierte celda de código a texto)

# Mi Primer Notebook en Colab

## Introducción
Este es mi **primer proyecto** en Google Colab.

### Objetivos:
- Aprender a usar celdas
- Ejecutar código Python
- Crear documentación

> Nota: Esto es Markdown, no Python

PASO 5: Programas Básicos en Colab

📌 Programa 1: Operaciones Matemáticas

# Operaciones básicas
a = 10
b = 5

print(f"Suma: {a} + {b} = {a + b}")
print(f"Resta: {a} - {b} = {a - b}")
print(f"Multiplicación: {a} × {b} = {a * b}")
print(f"División: {a} ÷ {b} = {a / b}")
print(f"Potencia: {a}² = {a ** 2}")
print(f"Módulo: {a} % {b} = {a % b}")

📌 Programa 2: Listas y Bucles

# Trabajar con listas
frutas = ["🍎 Manzana", "🍌 Plátano", "🍊 Naranja", "🍇 Uvas", "🍓 Fresa"]

print("Lista de frutas:")
print("=" * 30)

for i, fruta in enumerate(frutas, 1):
    print(f"{i}. {fruta}")

# Agregar nueva fruta
frutas.append("🥭 Mango")
print(f"\nTotal de frutas: {len(frutas)}")

📌 Programa 3: Funciones

# Definir funciones
def calcular_area_circulo(radio):
    """Calcula el área de un círculo dado su radio"""
    import math
    area = math.pi * radio ** 2
    return area

def calcular_area_rectangulo(base, altura):
    """Calcula el área de un rectángulo"""
    return base * altura

# Usar las funciones
radio = 5
base = 10
altura = 6

print(f"Área del círculo (r={radio}): {calcular_area_circulo(radio):.2f}")
print(f"Área del rectángulo ({base}×{altura}): {calcular_area_rectangulo(base, altura)}")

📌 Programa 4: Manejo de Entrada

# Interacción con el usuario
nombre = input("¿Cuál es tu nombre? ")
edad = input("¿Cuántos años tienes? ")

print("\n" + "=" * 40)
print(f"¡Hola, {nombre}! 👋")
print(f"Tienes {edad} años.")
print("=" * 40)

# Calcular año de nacimiento (aproximado)
año_actual = 2025
año_nacimiento = año_actual - int(edad)
print(f"Naciste aproximadamente en: {año_nacimiento}")

💡 Nota: En Colab, input() muestra un cuadro de diálogo emergente para ingresar datos.

PASO 6: Usar Librerías Populares

📊 NumPy – Cálculos numéricos

import numpy as np

# Crear arrays
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([10, 20, 30, 40, 50])

print("Array 1:", array1)
print("Array 2:", array2)
print("Suma:", array1 + array2)
print("Multiplicación:", array1 * array2)
print("Media de array1:", np.mean(array1))
print("Desviación estándar:", np.std(array1))

# Matriz 2D
matriz = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("\nMatriz 3x3:")
print(matriz)
print("Forma de la matriz:", matriz.shape)

🐼 Pandas – Análisis de datos

import pandas as pd

# Crear DataFrame
datos = {
    'Nombre': ['Ana', 'Luis', 'María', 'Carlos', 'Elena'],
    'Edad': [25, 30, 28, 35, 22],
    'Ciudad': ['Madrid', 'Barcelona', 'Valencia', 'Sevilla', 'Bilbao'],
    'Salario': [30000, 45000, 38000, 50000, 28000]
}

df = pd.DataFrame(datos)

print("DataFrame completo:")
print(df)
print("\n" + "=" * 50)

# Estadísticas básicas
print("\nEstadísticas de edad:")
print(f"Media: {df['Edad'].mean():.1f} años")
print(f"Mediana: {df['Edad'].median():.1f} años")
print(f"Edad máxima: {df['Edad'].max()} años")
print(f"Edad mínima: {df['Edad'].min()} años")

# Filtrar datos
print("\nPersonas mayores de 27 años:")
print(df[df['Edad'] > 27][['Nombre', 'Edad']])

📈 Matplotlib – Visualización

import matplotlib.pyplot as plt
import numpy as np

# Crear datos
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# Crear gráfico
plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Seno', linewidth=2, color='blue')
plt.plot(x, y2, label='Coseno', linewidth=2, color='red')
plt.title('Funciones Trigonométricas', fontsize=16)
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# Gráfico de barras
categorias = ['A', 'B', 'C', 'D', 'E']
valores = [23, 45, 56, 78, 32]

plt.figure(figsize=(8, 5))
plt.bar(categorias, valores, color=['#FF6B6B', '#4ECDC4', '#45B7D1', '#FFA07A', '#98D8C8'])
plt.title('Gráfico de Barras', fontsize=14)
plt.xlabel('Categorías')
plt.ylabel('Valores')
plt.show()

PASO 7: Trabajar con Archivos

📁 Subir archivos desde tu computadora

from google.colab import files

# Subir archivos
uploaded = files.upload()

# Ver archivos subidos
print("Archivos subidos:")
for filename in uploaded.keys():
    print(f"- {filename} ({len(uploaded[filename])} bytes)")

💾 Crear y guardar archivos

# Crear archivo de texto
with open('mi_archivo.txt', 'w', encoding='utf-8') as f:
    f.write("¡Hola desde Google Colab!\n")
    f.write("Este archivo fue creado en la nube.\n")
    f.write("Línea 3 de prueba.")

# Leer el archivo
with open('mi_archivo.txt', 'r', encoding='utf-8') as f:
    contenido = f.read()
    print("Contenido del archivo:")
    print(contenido)

# Descargar archivo a tu computadora
from google.colab import files
files.download('mi_archivo.txt')

☁️ Montar Google Drive

from google.colab import drive

# Montar Google Drive
drive.mount('/content/drive')

# Ahora puedes acceder a tus archivos
print("Google Drive montado exitosamente!")
print("\nPuedes acceder a tus archivos en:")
print("/content/drive/MyDrive/")

# Listar archivos en Google Drive
import os
print("\nArchivos en tu Google Drive:")
for item in os.listdir('/content/drive/MyDrive/')[:10]:  # Primeros 10
    print(f"- {item}")

📄 Trabajar con CSV

import pandas as pd

# Crear un CSV
datos = {
    'Producto': ['Laptop', 'Mouse', 'Teclado', 'Monitor', 'Webcam'],
    'Precio': [899.99, 25.99, 79.99, 299.99, 89.99],
    'Stock': [15, 50, 30, 20, 25]
}

df = pd.DataFrame(datos)

# Guardar como CSV
df.to_csv('productos.csv', index=False)
print("Archivo CSV creado: productos.csv")

# Leer CSV
df_leido = pd.read_csv('productos.csv')
print("\nDatos del CSV:")
print(df_leido)

# Descargar
from google.colab import files
files.download('productos.csv')

PASO 8: Usar GPU/TPU (Aceleración)

⚡ Activar GPU

1. Ve a Entorno de ejecución → Cambiar tipo de entorno de ejecución
2. En «Acelerador por hardware» selecciona GPU o TPU
3. Click en Guardar
4. El notebook se reiniciará con GPU activada

🔍 Verificar GPU disponible

import tensorflow as tf

# Ver si hay GPU disponible
print("GPUs disponibles:", len(tf.config.list_physical_devices('GPU')))
print("GPU activa:", tf.config.list_physical_devices('GPU'))

# Información detallada
!nvidia-smi

⚠️ Límites de uso gratuito: Colab tiene límites de tiempo de GPU (generalmente 12 horas continuas) y puede desconectarse después de 90 minutos de inactividad.

PASO 9: Instalar Librerías Adicionales

📦 Instalar con pip

# Instalar una librería
!pip install requests

# Instalar múltiples librerías
!pip install beautifulsoup4 pillow

# Instalar versión específica
!pip install numpy==1.24.0

# Ver librerías instaladas
!pip list | grep -i pandas

💡 Nota: El símbolo ! al inicio ejecuta comandos del sistema (shell), no Python.

🧪 Ejemplo con librería externa

# Instalar y usar requests
!pip install requests -q  # -q para instalación silenciosa

import requests

# Hacer petición HTTP
response = requests.get('https://api.github.com')
print(f"Status: {response.status_code}")
print(f"API de GitHub respondió correctamente ✅")

# Obtener JSON
data = response.json()
print(f"\nEndpoint disponibles: {len(data)}")

PASO 10: Compartir y Colaborar

🔗 Compartir notebook

1. Click en el botón Compartir (arriba a la derecha)
2. Opciones de compartir:
   • Cualquier persona con el enlace – Público
   • Personas específicas – Privado
3. Permisos:
   • Lector – Solo puede ver
   • Comentarista – Puede comentar
   • Editor – Puede editar

📤 Guardar copia en GitHub

1. Archivo → Guardar una copia en GitHub
2. Autoriza acceso a tu cuenta de GitHub
3. Selecciona repositorio y branch
4. Click en Aceptar

💾 Descargar notebook

• Archivo → Descargar → Descargar .ipynb – Formato Jupyter
• Archivo → Descargar → Descargar .py – Script Python

🎯 Proyectos Prácticos Completos

📊 Proyecto 1: Análisis de Datos

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# Crear dataset de ventas
np.random.seed(42)
fechas = pd.date_range('2024-01-01', periods=365, freq='D')
ventas = np.random.randint(100, 500, 365) + np.sin(np.arange(365) / 30) * 100

df = pd.DataFrame({
    'Fecha': fechas,
    'Ventas': ventas.astype(int)
})

# Agregar mes
df['Mes'] = df['Fecha'].dt.month

# Análisis
print("=== ANÁLISIS DE VENTAS 2024 ===\n")
print(f"Total ventas: ${df['Ventas'].sum():,}")
print(f"Promedio diario: ${df['Ventas'].mean():.2f}")
print(f"Día con más ventas: {df.loc[df['Ventas'].idxmax(), 'Fecha'].strftime('%Y-%m-%d')} (${df['Ventas'].max():,})")
print(f"Día con menos ventas: {df.loc[df['Ventas'].idxmin(), 'Fecha'].strftime('%Y-%m-%d')} (${df['Ventas'].min():,})")

# Ventas por mes
ventas_mes = df.groupby('Mes')['Ventas'].sum()

# Visualización
fig, axes = plt.subplots(2, 1, figsize=(12, 10))

# Gráfico 1: Ventas diarias
axes[0].plot(df['Fecha'], df['Ventas'], linewidth=1, alpha=0.7)
axes[0].set_title('Ventas Diarias 2024', fontsize=14, fontweight='bold')
axes[0].set_xlabel('Fecha')
axes[0].set_ylabel('Ventas ($)')
axes[0].grid(True, alpha=0.3)

# Gráfico 2: Ventas por mes
axes[1].bar(ventas_mes.index, ventas_mes.values, color='steelblue')
axes[1].set_title('Ventas Totales por Mes', fontsize=14, fontweight='bold')
axes[1].set_xlabel('Mes')
axes[1].set_ylabel('Ventas ($)')
axes[1].set_xticks(range(1, 13))
axes[1].grid(True, alpha=0.3, axis='y')

plt.tight_layout()
plt.show()

print("\n✅ Análisis completado")

🎲 Proyecto 2: Juego de Adivinanza

import random

def juego_adivinanza():
    """Juego de adivinar el número"""
    numero_secreto = random.randint(1, 100)
    intentos = 0
    max_intentos = 7
    
    print("=" * 50)
    print("🎮 JUEGO DE ADIVINANZA 🎮")
    print("=" * 50)
    print(f"Adivina el número entre 1 y 100")
    print(f"Tienes {max_intentos} intentos\n")
    
    while intentos < max_intentos:
        try:
            intento = int(input(f"Intento {intentos + 1}/{max_intentos}: "))
            intentos += 1
            
            if intento < 1 or intento > 100:
                print("⚠️  El número debe estar entre 1 y 100")
                continue
            
            if intento == numero_secreto:
                print("\n" + "🎉" * 20)
                print(f"¡FELICIDADES! ¡Adivinaste en {intentos} intentos!")
                print("🎉" * 20)
                break
            elif intento < numero_secreto:
                print("📈 Más alto...")
            else:
                print("📉 Más bajo...")
                
        except ValueError:
            print("⚠️  Por favor, ingresa un número válido")
    
    if intentos == max_intentos and intento != numero_secreto:
        print(f"\n😢 Game Over. El número era: {numero_secreto}")
    
    print("\n" + "=" * 50)

# Jugar
juego_adivinanza()

🌡️ Proyecto 3: Conversor de Unidades

def conversor_temperatura():
    """Conversor completo de temperatura"""
    
    def celsius_a_fahrenheit(c):
        return (c * 9/5) + 32
    
    def celsius_a_kelvin(c):
        return c + 273.15
    
    def fahrenheit_a_celsius(f):
        return (f - 32) * 5/9
    
    def kelvin_a_celsius(k):
        return k - 273.15
    
    print("=" * 60)
    print("🌡️  CONVERSOR DE TEMPERATURA 🌡️")
    print("=" * 60)
    print("\n1. Celsius → Fahrenheit y Kelvin")
    print("2. Fahrenheit → Celsius y Kelvin")
    print("3. Kelvin → Celsius y Fahrenheit")
    
    opcion = input("\nElige una opción (1-3): ")
    temperatura = float(input("Ingresa la temperatura: "))
    
    print("\n" + "-" * 60)
    
    if opcion == "1":
        f = celsius_a_fahrenheit(temperatura)
        k = celsius_a_kelvin(temperatura)
        print(f"{temperatura}°C = {f:.2f}°F = {k:.2f}K")
    elif opcion == "2":
        c = fahrenheit_a_celsius(temperatura)
        k = celsius_a_kelvin(c)
        print(f"{temperatura}°F = {c:.2f}°C = {k:.2f}K")
    elif opcion == "3":
        c = kelvin_a_celsius(temperatura)
        f = celsius_a_fahrenheit(c)
        print(f"{temperatura}K = {c:.2f}°C = {f:.2f}°F")
    else:
        print("❌ Opción no válida")
    
    print("-" * 60)
    print("✅ Conversión completada\n")

# Ejecutar
conversor_temperatura()

💡 Consejos y Mejores Prácticas

✅ Buenas prácticas

• Documenta tu código – Usa celdas de texto para explicar
• Nombra bien tus variables – Nombres descriptivos
• Divide en celdas lógicas – Una idea por celda
• Guarda frecuentemente – Aunque es automático, usa Ctrl+S
• Usa comentarios – Explica código complejo
• Limpia outputs antiguos – Editar → Borrar todas las salidas

⚠️ Limitaciones de Colab

• Sesión máxima de 12 horas continuas
• Se desconecta tras 90 minutos de inactividad
• Almacenamiento temporal se borra al cerrar sesión
• GPU/TPU tiene límites de tiempo de uso
• RAM limitada (12-13 GB en versión gratuita)

💎 Colab Pro (versión de pago)

Si necesitas más recursos:

• Sesiones más largas
• Más RAM (hasta 52 GB)
• GPUs más potentes
• Menor tiempo de espera
• Ejecución en segundo plano

☁️ Cómo abrir este cuaderno en Google Colab

🔹 Opción 1 — Subir el archivo directamente

1. Descarga el archivo:
   👉 Ejemplos
2. Ve a Google Colab.
3. En el menú, selecciona Archivo → Subir cuaderno.
4. Sube el fichero .ipynb que descargaste.

🎓 Recursos y Referencias

📚 Documentación oficial

• Google Colab
• Tutorial oficial de Colab
• Características básicas

🎯 Notebooks de ejemplo

• Gráficos y visualización
• Manejo de archivos
• TensorFlow para principiantes

# === ACCESO ===
# 1. Visita: https://colab.research.google.com/
# 2. Inicia sesión con Google
# 3. Nuevo notebook → Archivo → Nuevo notebook


# === PRIMER PROGRAMA ===
print("¡Hola, Google Colab!")


# === TIPOS DE CELDAS ===
# Ctrl+M B → Nueva celda de código
# Ctrl+M M → Convertir a texto (Markdown)
# Ctrl+Enter → Ejecutar celda


# === LIBRERÍAS COMUNES ===
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


# === SUBIR/DESCARGAR ARCHIVOS ===
from google.colab import files

# Subir
uploaded = files.upload()

# Descargar
files.download('archivo.txt')


# === MONTAR GOOGLE DRIVE ===
from google.colab import drive
drive.mount('/content/drive')


# === INSTALAR LIBRERÍAS ===
!pip install nombre_libreria


# === ACTIVAR GPU ===
# Entorno de ejecución → Cambiar tipo → GPU


# === COMPARTIR ===
# Botón "Compartir" → Copiar enlace


# === GUARDAR ===
# Archivo → Descargar → .ipynb o .py

🎓 ¡Felicidades! Ahora sabes usar Google Colab para programar en Python desde cualquier lugar, sin instalaciones y con acceso a GPU gratuita. Perfecto para aprendizaje, análisis de datos y machine learning. 🚀

🎯 Próximos pasos recomendados

1. Explora notebooks públicos en GitHub
2. Practica con datasets de Kaggle
3. Aprende machine learning con TensorFlow
4. Crea tus propios proyectos de análisis de datos