Inicio›Python

Python

venv · pip · requirements.txt · Scripts de IA · psycopg / pgvector

Nivel: Básico+
¿Por qué Python? Es el lenguaje común del ecosistema de IA: casi todas las bibliotecas de modelos, embeddings, RAG y orquestación se usan en Python. Dominarlo — incluso a nivel de herramientas (entornos aislados, dependencias, scripts) — permite automatizar la operación de la plataforma, conectar piezas entre sí (Ollama, pgvector, APIs) y crear prototipos rápidamente antes de industrializar. Es el "cemento" entre la infraestructura y los servicios de IA.
🧠 Python, lenguaje de referencia del ML y el deep learning.

Los grandes frameworks de IA — PyTorch, TensorFlow, scikit-learn, Hugging Face — se manejan en Python. Es el punto de entrada natural al aprendizaje automáticoEl aprendizaje automático es un campo de estudio de la inteligencia artificial basado en enfoques matemáticos y estadísticos que dan a los ordenadores la capacidad de "aprender" a partir de datos […]Wikipedia — «Aprendizaje automático» · CC BY-SA y al aprendizaje profundoEl aprendizaje profundo es un subcampo de la inteligencia artificial que utiliza redes neuronales artificiales compuestas de numerosas capas para resolver tareas complejas.Wikipedia — «Aprendizaje profundo» · CC BY-SA: desde la preparación de datos hasta el entrenamiento y después la inferencia de los modelos.

💡 Pasa el cursor sobre los términos subrayados para ver un resumen (fuente: Wikipedia).
🛠️ Stack Python
HerramientaUso
Python 3.11+Lenguaje principal
venvEntornos virtuales aislados
pipGestor de paquetes
requirements.txtReproducibilidad de entornos
📦 Librerías de IA
LibreríaUsoEstado
psycopg + pgvectorCliente PostgreSQL · vectores🔵 Planificado
langchainScripts / agentes (opcional)🔵 Planificado
ollamaCliente API Ollama local🔵 Planificado
openaiCliente compatible con Ollama🔵 Planificado
whisperSpeech-to-Text🔵 Planificado
requestsLlamadas HTTP a APIs✅ Utilizado
💻 Workflow estándar
bash
# Créer un projet IA
mkdir projet-rag && cd projet-rag

# Environnement virtuel
python3 -m venv .venv
source .venv/bin/activate  # Linux/Mac
# .venv\\Scripts\\activate  # Windows

# Installer les dépendances
pip install "psycopg[binary]" pgvector ollama

# Sauvegarder
pip freeze > requirements.txt

# Reproduire l'environnement ailleurs
pip install -r requirements.txt
🐍 Ejemplo: cliente Ollama
python
import ollama

# Chat simple
response = ollama.chat(
    model='mistral',
    messages=[{'role': 'user', 'content': 'Explique VFIO en 3 lignes'}]
)
print(response['message']['content'])

# Streaming
for chunk in ollama.chat(
    model='mistral',
    messages=[{'role': 'user', 'content': 'Bonjour'}],
    stream=True
):
    print(chunk['message']['content'], end='', flush=True)

Páginas relacionadas

RAG Vectoriel IA Locale / LLM Speech AI

Referencias y fuentes

CategoríaRecursoURL
Documentación oficialPython — Documentationdocs.python.org/3
Documentación oficialpip — User Guidepip.pypa.io
Documentación oficialvenv — Environnements virtuels (bibliothèque standard)docs.python.org/3/library/venv
Herramientas utilizadasPython 3.11+ · venv · pip · requirements.txt · psycopg / pgvector (planifié)—
LicenciaPython — PSF Licensedocs.python.org/3/license
Contenido de esta páginaCompartido bajo CC BY-SA 4.0creativecommons.org/licenses/by-sa/4.0