bucket_name="miwebs3-nombre-bucket-unico"
aws s3api create-bucket --bucket "${bucket_name}"
# -*- mode: ruby -*- | |
# vi: set ft=ruby : | |
Vagrant.configure("2") do |config| | |
config.vm.box = "bento/ubuntu-22.04" | |
# puertos host y máquina virtualizada | |
#config.vm.network :forwarded_port, host: 8080, guest: 80 | |
# config.vm.synced_folder './', '/vagrant', SharedFoldersEnableSymlinksCreate: false |
Copilot es un asistente de programación que utiliza inteligencia artificial para ayudarte a escribir código. Copilot funciona con tu editor de código favorito, incluidos VS Code, Atom y más.
Copilot se basa en Codex, un modelo de lenguaje de inteligencia artificial creado por OpenAI. Codex se entrena en una gran cantidad de código público y privado, incluidos comentarios de GitHub, por lo que es capaz de sugerir líneas de código con un contexto significativo.
# saltos de línea en windows' ^? | |
python manage.py dumpdata --natural-foreign --indent 2 ^ | |
-e contenttypes -e auth.permission -e wagtailsearch.indexentry ^ | |
-e wagtailcore.groupcollectionpermission ^ | |
-e wagtailcore.grouppagepermission -e wagtailimages.rendition ^ | |
-e sessions > data.json |
etree.parse
da un error al cargar los archivos .xml
por http/https. Según la documentación es correcto, pero no funciona.
Lo sustituimos por:
Instala primero la librería pip install requests
con el entorno virtual activado
etree.fromstring(respuesta.content)
# vamos a carpeta de proyecto donde está *Vagrantfile* | |
$ vagrant up | |
$ vagrant ssh | |
# dentro de la máquina virtualizada con vagrant | |
# movemos a carpeta mapeada | |
$ cd /vagrant | |
# levantamos contendores | |
$ docker-compose up -d |
This gist has most of the things I've used to develop the frontend using vite inside a monolithic django app.
Here's a boilerplate that uses this approach: https://github.com/labcodes/django-react-boilerplate
A couple of things to note:
- it runs in SPA mode by default. If you want SSR, you may want to look into django_vite;
- static files unrelated to your app, like images or fonts, should be served by django, instead of imported directly inside your frontend app;
from sklearn.model_selection import train_test_split | |
''' | |
Documentación https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html | |
divide un dataframe (df): | |
* 80% train | |
* 10% validate | |
* 10% test | |
''' |
from redminelib import Redmine | |
from dotenv import load_dotenv | |
import os | |
import csv | |
# Carga de variables de entorno en .env | |
# old -> redmine en local (copia de serguridad con los datos del grupo) | |
load_dotenv() | |
userapi = os.getenv('userapi') | |
pwdapi = os.getenv('pwdapi') |
https://developer.wordpress.org/cli/commands/menu/
root@wp:/var/www/html# wp menu list --allow-root
+---------+----------------+----------------+-----------+-------+
| term_id | name | slug | locations | count |
+---------+----------------+----------------+-----------+-------+