Data Science Machine learning la Serena Summer School and thermodynam…

…ics 2023

1y2s - Compu 2 - 2018/0813 pruebacompu1/parte2.py

@@ -0,0 +1,15 @@
+#Parte 2
+
+from potencial import get_yuka#Importo la funcion definida antes en el programa anterior
+import matplotlib.pylab as plt
+import numpy as np
+
+
+#Ahora se nos pide hacer un grafico, una curva de este, defino r como un array
+rad = np.linspace(0.01,0.1,100)
+
+plt.plot(rad,get_yuka(rad))
+plt.show()
+
+
+

1y2s - Compu 2 - 2018/0813 pruebacompu1/parte3.py

@@ -0,0 +1,20 @@
+from potencial import get_yuka 
+import matplotlib.pyplot as plt
+import numpy as np
+
+#Ahora se nos pide hacer un grafico, una curva de este, defino r como un array
+rad = np.linspace(0.01,0.1,100)
+
+plt.figure()
+
+for j in range(10):
+
+    k = 10 * (j+1)
+    potenciales = get_yuka(rad,k)
+    plt.plot(rad,potenciales)
+    plt.legend(str(k))
+
+
+
+plt.show()
+

1y2s - Compu 2 - 2018/0813 pruebacompu1/potencial.py

@@ -0,0 +1,22 @@
+import numpy as np
+
+g = 1
+k = 1
+m = 1
+
+#Calculo r en base a las coordenadas, esto lo hago con otra funcion creada
+def get_r(x,y):
+    return np.sqrt(x*2 + y*2)
+
+#Defino la funcion que utilizare
+def get_yuka(r,k=1):
+    return -g**2 * (np.exp(-k*m*r))/(r)
+
+def calcularYuka():
+    x_pos = input("Ingrese coordenada x: ")
+    y_pos = input("Ingrese coordenada y: ")
+
+    r = get_r(x_pos,y_pos)
+    yukaw = get_yuka(r)
+
+    print(yukaw)

1y2s - Compu 2 - 2018/1009 prueba/diferencias.txt

@@ -0,0 +1,11 @@
+Las diferencias entre los resultados se deben a como los metodos
+se aproximan al problema
+Mientras la regla del trapezoide creo figuras en base a la base
+de la funcion, eje x; la regla de simpson tomo una aproximacion
+de acercar curvas cuadraticas a mi funcion;
+en el caso de simpson llego a 7.599999 excelente resultado y aproximacion
+mientras que la del trapezoide por efecto de la baja cantidad de figuras
+acabo con numeros de más, 7.640000; si hacemos la integral en papel..
+es 7.6
+
+-fabian trigo|

1y2s - Compu 2 - 2018/1009 prueba/fabiantrigo.py

@@ -0,0 +1,108 @@
+
+# coding: utf-8
+
+# In[24]:
+
+import numpy as np
+import matplotlib.pyplot as plt
+
+datosP = np.loadtxt("/tmp/guest-cxgqie/Fabian Trigo/PRS_Valpo_WRF.dat")
+datosT = np.loadtxt("/tmp/guest-cxgqie/Fabian Trigo/TMP_Valpo_WRF.dat")
+#Pasamos de Kelvin a Celsius
+datosT = datosT - 273.15
+
+
+#Creamos el grafico de calor
+plt.imshow(datosT,origin="lower")
+plt.title("Grafico Temperatura de Valparaiso")
+plt.xlabel("Tiempo en horas")
+plt.ylabel("Altura")
+#Hacemos una barrita para saber a que temperatura se refiere cada color
+plt.colorbar(label="Celcius")
+plt.show()
+
+
+# In[25]:
+
+plt.imshow(datosP,origin="lower")
+plt.title("Presion del Aire en Valparaiso")
+plt.xlabel("Tiempo en horas")
+plt.ylabel("Altura")
+plt.colorbar(label="Hecto Pascales")
+plt.show()
+
+
+# In[31]:
+
+def densidadA(P,T): 
+    R = 286.9
+    return P/(R*T)
+
+#Calculo la densidad del aire con todos los datos, tendra las mismas dimensiones
+densidad = densidadA(datosP,datosT)
+
+#Y ya es crear el grafico de calor simplemente y darle los nombres
+plt.imshow(densidad,origin="lower")
+plt.title("Densidad del Aire en Valparaiso")
+plt.xlabel("Tiempo en horas")
+plt.ylabel("Altura")
+plt.colorbar(label="hPa*J / kg")
+plt.show()
+
+
+# In[41]:
+
+#Funcion a integrar
+def funcion(x):
+    return x**3 + 3*x - 1.2
+
+#Limites de integracion
+lim_inf = 0.0
+lim_sup = 2.0
+#Cantidad de figuras
+N = 10
+
+#Definiremos el grosor de cada figura
+dx = (lim_sup - lim_inf)/N
+
+
+# In[42]:
+
+#Integrar por trapezoide
+#I(a,b) = dx(0.5(f(a)+f(b) + sumatoria desde i=1 a i=N-1)
+
+#Realizaremos la sumatoria y requeriremos donde guardar
+suma = 0.0 #Sera nuestro place holder
+for i in range(1,N): #Es sumatoria de 1 a N-1
+    suma += funcion(lim_inf + i*dx) #f(a+i*dx)
+IntegralT = dx*(0.5*(funcion(lim_inf)+funcion(lim_sup))+suma)
+
+print("Integral por trapezoides: ", IntegralT)
+
+
+# In[59]:
+
+#Integrar por Simpson
+#I(a,b) = 1/3 * dx((f(a)+f(b) + 
+#    4*sum(k=1 to N/2)(f(a + (2k-1)*dx)) 
+#           + 2*sum(k=1 to N/2 -1)(f(a + 2*k*dx)) 
+suma1 = 0.0
+for i in range(1, int(N/2)+1): #Ira de 1 a N/2 siendo entero
+    suma1 += funcion(lim_inf + (2*i -1 )*dx)
+
+suma2 = 0.0
+for i in range(1, int(N/2)): #De 1 a N/2 - 1
+    suma2 += funcion(lim_inf + 2*i*dx)
+
+trd = 0.3333333 #Calculo de antes un 1/3 aprox
+I=trd*dx*(funcion(lim_inf)+funcion(lim_sup)+4.0*suma1+2.0*suma2)
+
+
+
+print("Integral por Simspn: ",I)
+
+
+# In[ ]:
+
+
+

u_LaSerena/10_Docker/0812g - Docker Intro.md

@@ -0,0 +1,94 @@
+Lightweight technology of virtualization
+- dosent use Hypervisor
+- I want to only focus in the application
+
+## docker image
+- Base image (OS)
+- build basic programs and drives on it (more images)
+
+## concepts
+- Dockerfile:
+	- Plain text that contains docker commands
+	- allows creation of image
+- Docker Hub and Registries:	
+	- Where to share the image as a repository
+		- Harbor (open source)
+		- Azure Container Registry
+		- AWS
+		- Artifact Registry
+
+# Dockerfile
+Example of running commands in docker and how to run a node shell command
+```dockerfile
+FROM node:17-alpine
+WORKDIR /app
+COPY package*.json .
+RUN npm install --production
+COPY . .
+RUN npm run build
+CMD ["node","dist/index.js"]
+```
+
+## Why docker
+Its professional and may be mandatory
+- **Reproducible Research**
+- AI and Machine Learning
+- *Field Study*
+- Bioinformatics
+- High performance computing
+- *Scientific Simulations*
+- **Collaboration**
+- *Cloud Computing*
+- Custom Software
+- *Legacy Software Preservation*
+
+# Running docker
+`docker run hello-world` verify good instalation
+`docker pull nginx` gets the image
+
+```bash
+docker run -d -p 80:80 -v $(pwd):/usr/share/nginx/html --name my_container nginx
+```
+
+- `-d` detach, 
+- `-p 80:80` map port 80 of image to 80 port of system
+- `-v $(pwd):/usr/share/nginx/html` mounts this file into the directory
+
+___
+# Basic usage
+`docker images`
+	see the available images
+
+`docker inspect nginx`
+	Gives me information about the image called `nginx`
+
+`docker tag nginx my_custom_nginx:latest`
+	Rename an image
+
+`docker rmi nginx`
+	Remove the docker image to free disk space
+
+`docker history nginx`
+
+## Manage Containers
+`docker ps`
+	Show all container running
+	- add `-a` for all container, even stopped ones
+
+`docker start <container_id_or_image>`
+	Start and stopped cotainer
+
+`docker stop <container_ir_or_image>`
+
+`docker rm <container-id_or_name>`
+	after stopping a container
+
+`docker container prune`
+	**Dangerous**
+	Remove all stopped containers
+
+`docker logs <container_id_name>`
+
+
+___
+

u_LaSerena/10_Docker/0812g2 - Docker File Practice.md

@@ -0,0 +1,37 @@
+We can add to the docker file a command for when it instarts
+```dockerfile
+RUN pip install pandas matplotlib
+CMD ["jupyter","notebook"]
+```
+
+- All Dockerfile starts with base image
+`FROM jupyter/minimal-notebook`
+
+- Environment configuration
+`END NODE_ENV=production`
+
+- Copying files
+`COPY . /app`
+
+- Running commands, install packages and many
+`RUN npm install`
+
+- Exposing ports
+`EXPOSE 8889`
+	- indicates that the container listens that port
+
+- Container Execution Command or Entry point
+`CMD ["node","app.js"]`
+	Command when the container starts
+
+___
+We run this in command line
+
+- Build the image
+`docker build -t jupyter-server .`
+	This will create a docker image
+
+- Running the image
+`docker run -p 8889:8889 jupyter-server`
+	we use an exposed port
+

u_LaSerena/10_Docker/0812g3 - Docker Compose.md

@@ -0,0 +1,3 @@
+Kubernets (higher level, special configs)
+- Docker swamp
+- Docker Compose