Qué es Google Colab: cómo usarlo para programar sin instalar nada

Qué es y por qué te ahorra el peor momento

Google Colab es un cuaderno de código que corre en el navegador. Abres una página, escribes Python, le das a ejecutar y ves el resultado. Nada instalado en tu máquina.

Te digo por qué importa tanto, con honestidad de quien ha visto muchos grupos empezar: la mayoría de la gente que abandona Python lo abandona en la instalación, no en la programación. Versiones que chocan, rutas que no encuentra, permisos, un error críptico en la primera hora. Colab elimina esa etapa completa.

Y no es una herramienta de juguete: se usa en cursos universitarios, en investigación y en trabajo profesional. Que sea fácil de empezar no significa que se te quede chico.

Cómo empezar en cinco minutos

1. Entra a colab.research.google.com con tu cuenta de Google.
2. Haz clic en "Nuevo cuaderno". Se abre uno vacío.
3. En la celda que aparece escribe print("Hola").
4. Presiona Shift y Enter. El resultado aparece debajo.

Eso es todo. Ya estás programando en Python.

El cuaderno se guarda solo en una carpeta de tu Google Drive llamada "Colab Notebooks", así que no hay nada que descargar ni que perder.

Cómo funciona un cuaderno

Un cuaderno se compone de celdas, y hay dos tipos:

• Celdas de código: ahí escribes Python y se ejecutan una por una.
• Celdas de texto: para escribir explicaciones, títulos y notas.

Esa mezcla es lo que hace especial al formato. Un análisis queda documentado: el código, el resultado y la explicación de por qué hiciste eso, todo en el mismo documento. Es la razón por la que se usa tanto para enseñar y para compartir trabajo.

Un detalle que confunde al inicio: las celdas comparten memoria y se ejecutan en el orden en que tú las corres, no en el orden en que están escritas. Si defines una variable en la celda 5 y luego ejecutas la 2, la 2 conoce esa variable. Eso produce cuadernos que funcionan para ti y fallan para otro. La costumbre sana es, antes de compartir, usar Entorno de ejecución, Reiniciar y ejecutar todo, y comprobar que corre de arriba abajo.

Lo que ya viene instalado

Colab llega con las librerías de datos más usadas listas para importar:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.read_csv("ventas.csv")
df.head()

Sin instalar nada. pandas, numpy y matplotlib, scikit-learn, seaborn y varias más ya están.

Si necesitas algo que no viene, se instala en una celda con !pip install nombre. El signo de admiración le dice a Colab que eso es un comando de sistema, no Python.

Un aviso importante: lo que instales dura solo esa sesión. Al día siguiente el entorno vuelve a su estado original y hay que reinstalarlo. Por eso la línea de instalación se deja escrita en la primera celda del cuaderno.

Cómo cargar tus propios datos

Tres formas, de la más simple a la más práctica:

1. Subir el archivo: en el panel izquierdo hay un icono de carpeta. Arrastras el archivo y ya. Se borra al cerrar la sesión.
2. Conectar tu Google Drive: ejecutas dos líneas que montan tu Drive como una carpeta y accedes a tus archivos directamente. Es lo que uso siempre.
3. Leer desde una URL: pandas puede leer un CSV directamente desde un enlace, sin descargarlo.

from google.colab import drive
drive.mount("/content/drive")

Esas dos líneas te piden autorización una vez y después puedes leer cualquier archivo de tu Drive con su ruta normal. Es la forma de trabajar con datos que se actualizan sin volver a subirlos cada vez.

Colab, Jupyter y Anaconda: cuál es cuál

Jupyter es el formato de cuaderno; Colab es una versión de Jupyter que corre en la nube. Anaconda es un instalador que trae Python, Jupyter y las librerías en un solo paquete.

Mi recomendación: empieza con Colab hasta que programar te resulte natural. Cuando trabajes con datos que no puedes subir a la nube, o con proyectos largos, instala Python localmente. Pero no dejes que la instalación sea tu primer obstáculo. Los pasos para instalarlo cuando llegue el momento están en Python para análisis de datos.

Los límites de la versión gratuita

• La sesión se desconecta tras un rato de inactividad, y al desconectarse pierdes las variables en memoria. El código no, porque está guardado.
• El tiempo de uso continuo está limitado, así que un entrenamiento muy largo puede cortarse a la mitad.
• La GPU es gratuita pero con cuota. Si la usas mucho, te la restringen por un tiempo.
• Los archivos que subes desaparecen al cerrar la sesión, salvo que estén en Drive.

Para aprender y para análisis normales, ninguno de estos límites molesta. Se sienten cuando entrenas modelos pesados durante horas, y ahí es cuando tiene sentido evaluar la versión de pago o trabajar en local.

Y un cuidado que sí importa en empresas: estás subiendo tus datos a un servidor de Google. Para practicar con datasets públicos no hay problema. Para la planilla de sueldos o la base de clientes de tu empresa, revisa la política de datos antes.

Preguntas frecuentes

Escrito por

Gera Flores (Miss Yera)

Consultora y experta en IA

Agenda 30 min con Gera Ver bio completa