12 KiB

Raw Blame History

Contribuir a Ciencia de Datos para Principiantes

¡Gracias por tu interés en contribuir al currículo de Ciencia de Datos para Principiantes! Apreciamos las contribuciones de la comunidad.

Tabla de Contenidos

Código de Conducta

Este proyecto ha adoptado el Código de Conducta de Microsoft Open Source.
Para más información, consulta las Preguntas Frecuentes sobre el Código de Conducta
o contacta a opencode@microsoft.com para cualquier pregunta o comentario adicional.

¿Cómo puedo contribuir?

Reportar errores

Antes de crear reportes de errores, revisa los problemas existentes para evitar duplicados. Al crear un reporte de error, incluye tantos detalles como sea posible:

Usa un título claro y descriptivo
Describe los pasos exactos para reproducir el problema
Proporciona ejemplos específicos (fragmentos de código, capturas de pantalla)
Describe el comportamiento observado y lo que esperabas
Incluye detalles de tu entorno (SO, versión de Python, navegador)

Sugerir mejoras

¡Las sugerencias de mejoras son bienvenidas! Al sugerir mejoras:

Usa un título claro y descriptivo
Proporciona una descripción detallada de la mejora sugerida
Explica por qué esta mejora sería útil
Enumera características similares en otros proyectos, si aplica

Contribuir a la documentación

Las mejoras en la documentación siempre son apreciadas:

Corrige errores tipográficos y gramaticales
Mejora la claridad de las explicaciones
Añade documentación faltante
Actualiza información desactualizada
Incluye ejemplos o casos de uso

Contribuir con código

Aceptamos contribuciones de código, incluyendo:

Nuevas lecciones o ejercicios
Corrección de errores
Mejoras a notebooks existentes
Nuevos conjuntos de datos o ejemplos
Mejoras a la aplicación de cuestionarios

Primeros pasos

Requisitos previos

Antes de contribuir, asegúrate de tener:

Una cuenta de GitHub
Git instalado en tu sistema
Python 3.7+ y Jupyter instalados
Node.js y npm (para contribuciones a la aplicación de cuestionarios)
Familiaridad con la estructura del currículo

Consulta INSTALLATION.md para instrucciones detalladas de configuración.

Hacer un fork y clonar

Haz un fork del repositorio en GitHub

Clona tu fork localmente:

git clone https://github.com/YOUR-USERNAME/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners

Añade el remoto upstream:

git remote add upstream https://github.com/microsoft/Data-Science-For-Beginners.git

Crear una rama

Crea una nueva rama para tu trabajo:

git checkout -b feature/your-feature-name
# or
git checkout -b fix/your-bug-fix

Convenciones para nombrar ramas:

feature/ - Nuevas características o lecciones
fix/ - Corrección de errores
docs/ - Cambios en la documentación
refactor/ - Refactorización de código

Guías de contribución

Para contenido de lecciones

Al contribuir con lecciones o modificar las existentes:

Sigue la estructura existente:
- README.md con el contenido de la lección
- Notebook de Jupyter con ejercicios
- Tarea (si aplica)
- Enlace a cuestionarios previos y posteriores
Incluye estos elementos:
- Objetivos de aprendizaje claros
- Explicaciones paso a paso
- Ejemplos de código con comentarios
- Ejercicios para practicar
- Enlaces a recursos adicionales
Asegúrate de que sea accesible:
- Usa lenguaje claro y sencillo
- Proporciona texto alternativo para imágenes
- Incluye comentarios en el código
- Considera diferentes estilos de aprendizaje

Para notebooks de Jupyter

Limpia todas las salidas antes de hacer el commit:

jupyter nbconvert --clear-output --inplace notebook.ipynb

Incluye celdas de markdown con explicaciones

Usa un formato consistente:

# Import libraries at the top
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# Use meaningful variable names
# Add comments for complex operations
# Follow PEP 8 style guidelines

Prueba tu notebook completamente antes de enviarlo

Para código en Python

Sigue las guías de estilo de PEP 8:

# Good practices
import pandas as pd

def calculate_mean(data):
    """Calculate the mean of a dataset.
    
    Args:
        data (list): List of numerical values
        
    Returns:
        float: Mean of the dataset
    """
    return sum(data) / len(data)

Para contribuciones a la aplicación de cuestionarios

Al modificar la aplicación de cuestionarios:

Prueba localmente:
```
cd quiz-app
npm install
npm run serve
```
Ejecuta el linter:
```
npm run lint
```
Construye exitosamente:
```
npm run build
```
Sigue la guía de estilo de Vue.js y los patrones existentes

Para traducciones

Al añadir o actualizar traducciones:

Sigue la estructura en la carpeta translations/
Usa el código de idioma como nombre de carpeta (por ejemplo, fr para francés)
Mantén la misma estructura de archivos que la versión en inglés
Actualiza los enlaces de los cuestionarios para incluir el parámetro de idioma: ?loc=fr
Prueba todos los enlaces y el formato

Proceso de Pull Request

Antes de enviar

Actualiza tu rama con los últimos cambios:

git fetch upstream
git rebase upstream/main

Prueba tus cambios:
- Ejecuta todos los notebooks modificados
- Prueba la aplicación de cuestionarios si fue modificada
- Verifica que todos los enlaces funcionen
- Revisa errores ortográficos y gramaticales
Haz commit de tus cambios:
```
git add .
git commit -m "Brief description of changes"
```
Escribe mensajes de commit claros:
- Usa tiempo presente ("Añadir característica" en lugar de "Añadido característica")
- Usa modo imperativo ("Mover cursor a..." en lugar de "Mueve cursor a...")
- Limita la primera línea a 72 caracteres
- Referencia problemas y pull requests cuando sea relevante

Haz push a tu fork:

git push origin feature/your-feature-name

Crear el Pull Request

Ve al repositorio
Haz clic en "Pull requests" → "New pull request"
Haz clic en "compare across forks"
Selecciona tu fork y rama
Haz clic en "Create pull request"

Formato del título del PR

Usa títulos claros y descriptivos siguiendo este formato:

[Component] Brief description

Ejemplos:

[Lesson 7] Fix Python notebook import error
[Quiz App] Add German translation
[Docs] Update README with new prerequisites
[Fix] Correct data path in visualization lesson

Descripción del PR

Incluye en la descripción de tu PR:

Qué: ¿Qué cambios realizaste?
Por qué: ¿Por qué son necesarios estos cambios?
Cómo: ¿Cómo implementaste los cambios?
Pruebas: ¿Cómo probaste los cambios?
Capturas de pantalla: Incluye capturas para cambios visuales
Problemas relacionados: Enlace a problemas relacionados (por ejemplo, "Fixes #123")

Proceso de revisión

Se ejecutarán verificaciones automáticas en tu PR
Los mantenedores revisarán tu contribución
Aborda los comentarios realizando commits adicionales
Una vez aprobado, un mantenedor fusionará tu PR

Después de que tu PR sea fusionado

Elimina tu rama:

git branch -d feature/your-feature-name
git push origin --delete feature/your-feature-name

Actualiza tu fork:

git checkout main
git pull upstream main
git push origin main

Guías de estilo

Markdown

Usa niveles de encabezado consistentes
Incluye líneas en blanco entre secciones
Usa bloques de código con especificadores de lenguaje:
```
```python
import pandas as pd
```
```
Añade texto alternativo a las imágenes: ![Texto alternativo](../../translated_images/es/image.4ee84a82b5e4c9e6651b13fd27dcf615e427ec584929f2cef7167aa99151a77a.png)
Mantén las líneas con una longitud razonable (alrededor de 80-100 caracteres)

Python

Sigue la guía de estilo PEP 8
Usa nombres de variables significativos
Añade docstrings a las funciones

Incluye sugerencias de tipo cuando sea apropiado:

def process_data(df: pd.DataFrame) -> pd.DataFrame:
    """Process the input dataframe."""
    return df

JavaScript/Vue.js

Sigue la guía de estilo de Vue.js 2
Usa la configuración de ESLint proporcionada
Escribe componentes modulares y reutilizables
Añade comentarios para lógica compleja

Organización de archivos

Mantén los archivos relacionados juntos
Usa nombres de archivo descriptivos
Sigue la estructura de directorios existente
No hagas commit de archivos innecesarios (.DS_Store, .pyc, node_modules, etc.)

Acuerdo de Licencia para Contribuidores

Este proyecto acepta contribuciones y sugerencias. La mayoría de las contribuciones requieren que aceptes un Acuerdo de Licencia para Contribuidores (CLA) declarando que tienes el derecho de, y efectivamente, nos otorgas los derechos para usar tu contribución. Para más detalles, visita
https://cla.microsoft.com.

Cuando envíes un pull request, un bot de CLA determinará automáticamente si necesitas proporcionar un CLA y decorará el PR apropiadamente (por ejemplo, etiqueta, comentario). Simplemente sigue las instrucciones proporcionadas por el bot. Solo necesitarás hacer esto una vez en todos los repositorios que usen nuestro CLA.

¿Preguntas?

Consulta nuestro Canal de Discord #data-science-for-beginners
Únete a nuestra comunidad de Discord
Revisa los problemas existentes y pull requests

¡Gracias!

Tus contribuciones hacen que este currículo sea mejor para todos. ¡Gracias por tomarte el tiempo de contribuir!

Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.

12 KiB Raw Blame History