Python se ha convertido en el lenguaje de referencia para la investigación y el desarrollo tecnológico. Su sintaxis clara, su ecosistema de bibliotecas científicas y su comunidad activa lo hacen ideal tanto para quienes se inician en la programación como para investigadores que necesitan procesar datos, simular fenómenos o automatizar experimentos.
En el ámbito académico y científico, Python permite resolver problemas que van desde el análisis estadístico básico hasta la simulación de sistemas complejos, pasando por el aprendizaje automático y el procesamiento en GPU.
Sin embargo, encontrar un libro en español que cubra tanto los fundamentos del lenguaje como su aplicación en problemas reales de ciencia y tecnología no es tarea sencilla. La mayoría de los materiales disponibles están pensados para programadores o traducidos del inglés, lo que deja fuera a una gran parte de la comunidad hispanohablante que trabaja en investigación, docencia o ingeniería.
Introducción al libro
Python para Ciencia y Tecnología es un libro escrito por Facundo Batista —core developer de Python y referente de la comunidad Python en América Latina— y Manuel Carlevaro, físico e investigador del CONICET. Ambos autores combinan décadas de experiencia en software, docencia universitaria e investigación científica para ofrecer un recorrido completo que va desde los fundamentos del lenguaje hasta técnicas computacionales avanzadas.
El libro está pensado para estudiantes, docentes, investigadores y profesionales que trabajan en ciencia o tecnología y necesitan usar Python como herramienta. No requiere experiencia previa en programación: los primeros capítulos introducen el lenguaje desde cero, mientras que las secciones avanzadas profundizan en temas como cómputo numérico, ecuaciones diferenciales, optimización y aprendizaje automático.
Contenido del libro
La obra está organizada en tres partes bien diferenciadas. La primera parte cubre el lenguaje Python en profundidad: tipos de datos, controles de flujo, funciones, clases, generadores, administradores de contexto, programación paralela e interfaces gráficas. La segunda parte se enfoca en herramientas fundamentales para el trabajo científico: NumPy, aritmética de punto flotante, matemática simbólica con SymPy, control de versiones con Git y manipulación de datos con Pandas.
La tercera parte aborda métodos numéricos y técnicas computacionales aplicadas: estadística, modelado, ecuaciones algebraicas y diferenciales, integración numérica, optimización, aprendizaje automático y procesamiento en GPU.
Cada capítulo incluye ejemplos prácticos y fragmentos de código disponibles en un repositorio de GitHub, lo que facilita la experimentación activa. El libro también dedica secciones a temas pocos comunes en materiales introductorios, como profiling de código, entornos virtuales, contenedores Docker y buenas prácticas de desarrollo.
Índice del libro
- Parte I: Python
- 1. Introducción a Python
- 2. Tipos de datos
- 3. Controles de flujo
- 4. Encapsulando código
- 5. Python más avanzado
- 6. Clases
- 7. Entornos de ejecución de Python
- 8. Sobre la velocidad de procesamiento
- 9. Procesamiento en paralelo
- 10. Interfaces gráficas
- Parte II: Herramientas fundamentales
- 11. NumPy
- 12. Aritmética de punto flotante
- 13. Matemática simbólica
- 14. Versionado de código
- 15. Manipulación de datos
- Parte III: Métodos numéricos y técnicas computacionales
- 16. Elementos de estadística
- 17. Modelado estadístico
- 18. Ecuaciones algebraicas
- 19. Integración numérica
- 20. Ecuaciones diferenciales ordinarias
- 21. Ecuaciones en derivadas parciales
- 22. Optimización
- 23. Aprendizaje automático
- 24. Procesamiento en GPU
Más libros en: Programación, Python
Aviso legal: Este libro se comparte únicamente con fines educativos. El contenido se distribuye bajo licencias Creative Commons o permisos explícitos de sus autores. OpenLibro no aloja material con derechos reservados.