Google está cerrando una antigua brecha entre Kaggle y Colab. Colab ahora tiene un Explorador de datos integrado que le permite buscar conjuntos de datos, modelos y competiciones de Kaggle directamente dentro de un cuaderno y luego acceder a ellos a través de KaggleHub sin salir del editor.
¿Qué incluye realmente Colab Data Explorer?
Kaggle anunció la función recientemente donde describen un panel en el editor del cuaderno de Colab que se conecta a la búsqueda de Kaggle.
Desde este panel podrás:
Buscar conjuntos de datos, modelos y competiciones de Kaggle Acceda a la función desde la barra de herramientas izquierda en Colab Utilice filtros integrados para refinar los resultados, por ejemplo, por tipo de recurso o relevancia
Colab Data Explorer le permite buscar conjuntos de datos, modelos y competiciones de Kaggle directamente desde un cuaderno de Colab y puede importar datos con un fragmento de código de KaggleHub y filtros integrados.
El antiguo oleoducto de Kaggle a Colab fue todo un trabajo de instalación
Antes de este lanzamiento, la mayoría de los flujos de trabajo que incorporaban datos de Kaggle a Colab seguían una secuencia fija.
Creó una cuenta de Kaggle, generó un token API, descargó el archivo de credenciales kaggle.json, cargó ese archivo en el tiempo de ejecución de Colab, configuró variables de entorno y luego utilizó la API de Kaggle o la interfaz de línea de comandos para descargar conjuntos de datos.
Los pasos estaban bien documentados y eran confiables. También eran mecánicos y fáciles de configurar mal, especialmente para los principiantes que tenían que depurar credenciales faltantes o rutas incorrectas antes de poder ejecutar pandas.read_csv en un archivo. Existen muchos tutoriales sólo para explicar esta configuración.
Colab Data Explorer no elimina la necesidad de credenciales de Kaggle. Cambia la forma en que accede a los recursos de Kaggle y la cantidad de código que debe escribir antes de poder comenzar el análisis.
KaggleHub es la capa de integración
KaggleHub es una biblioteca de Python que proporciona una interfaz simple para conjuntos de datos, modelos y salidas de cuadernos de Kaggle desde entornos Python.
Las propiedades clave que son importantes para los usuarios de Colab son:
KaggleHub funciona en cuadernos de Kaggle y en entornos externos como Python local y Colab. Se autentica utilizando las credenciales API de Kaggle existentes cuando es necesario. Expone funciones centradas en recursos como model_download y dataset_download que toman identificadores de Kaggle y devuelven rutas u objetos en el entorno actual.
Colab Data Explorer utiliza esta biblioteca como mecanismo de carga. Cuando selecciona un conjunto de datos o modelo en el panel, Colab muestra un fragmento de código de KaggleHub que ejecuta dentro del cuaderno para acceder a ese recurso.
Una vez que se ejecuta el fragmento, los datos están disponibles en el tiempo de ejecución de Colab. Luego puede leerlo con pandas, entrenar modelos con PyTorch o TensorFlow o conectarlo al código de evaluación, tal como lo haría con cualquier archivo local u objeto de datos.
Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias de Datos de la Universidad de Padua. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca en transformar conjuntos de datos complejos en conocimientos prácticos.
🙌 Siga MARKTECHPOST: agréguenos como fuente preferida en Google.