fuera links. github muestra los ipynb

README.rst

@@ -9,59 +9,6 @@ e investigadores.
 :evento: II Conferencia Latinoamericana de Python en la Ciencia - ScipyConAr 2014
 :fecha: 23 y 24 de octubre de 2014
 
-
-Material
---------
-
-Las clases se encuentran en formato `IPython Notebook <http://ipython.org/notebook.html>`_
-y se usan como soporte dinámico. Cada ejemplo de código se manipula en vivo.
-
-.. attention:: se utiliza **Python 3.3** o superior.
-
-
-Desde estos links se pueden visualizar estáticamente:
-
-
-* `Clase Nº 1 <http://nbviewer.ipython.org/github/mgaitan/curso-python-cientifico/blob/scipycon/Clase%201.ipynb>`_
-
-  Instalación, modos de usar Python. Tipos básicos, estructuras de datos, sentencias de control de flujo, funciones incorporadas
-
-* `Clase Nº 2 <http://nbviewer.ipython.org/github/mgaitan/curso-python-cientifico/blob/scipycon/Clase%202.ipynb>`_
-
-  Definición de funciones, excepciones, lectura de archivos, clases
-
-* `Clase Nº 3 <http://nbviewer.ipython.org/github/mgaitan/curso-python-cientifico/blob/scipycon/Clase%203.ipynb>`_
-
-  Conceptos de módulos y paquetes, algunos módulos de de la biblioteca estándar,
-  intro a matplotlib y numpy
-
-* `Clase Nº 4 <http://nbviewer.ipython.org/github/mgaitan/curso-python-cientifico/blob/scipycon/Clase%204.ipynb>`_
-
-  Más de numpy y matplotlib avanzado. Intro a Scipy.
-
-* `Clase Nº 5 <http://nbviewer.ipython.org/github/mgaitan/curso-python-cientifico/blob/scipycon/Clase%205.ipynb>`_
-
-  Intro a Sympy. Vectorización de funciones con Numpy.
-
-
-Temas abordados
----------------
-
-- Instalación de entorno para python en windows/linux. Anaconda. Spyder y Ipython Notebook
-- Tipos: enteros, floats, complejos, strings.
-- Estructuras de datos: listas, tuplas, diccionarios, conjuntos. (packing/unpacking, indexado, slicing, etc.)
-- Conceptos de mutabilidad/inmutabilidad, secuencia, iterador,
-- control de flujo: if, for, while, manejo de excepciones
-- Funciones: definicion, argumentos posicionales y nominales. Valor vs referencia. sentencia yield
-- funciones built-in: zip, range, enumerate, etc.
-- estructura de proyectos: módulos, paquetes, importacion.
-- Manejo de I/O: lectura y escritura de archivos, CSV, json, pickle
-- Conceptos básicos de orientación a objetos. Clases
-- Matplotlib: introducción, generación de gráficos cartesianos continuos, puntos, histogramas
-- Numpy: introduccion a Arrays. slicing extendido, metodos y funciones builtin, loadtxt, algebra lineal, resolucion de sistemas de ecuaciones lineales.
-- Matplotlib avanzado: integración con numpy, plots 3d, otros tipos de gráficos, labels, formato, subplots.
-- Scipy: algoritmos listos para usar. Estadistica, interpolación. regresiones. Otros?
-
 Licencia
 --------
 
@@ -72,18 +19,18 @@ Licencia
     Licencia Creative Commons Atribución-CompartirIgual 2.5 Argentina (CC BY-SA 2.5 AR)
 
 
-
 Créditos
 --------
 
 Parte de este material ha sido inspirado y/o adaptado de múltiples fuentes
 
 
+* `Scipy Lectures <http://scipy-lectures.github.io/>`_
 * `Scientific Python Lectures <https://github.com/jrjohansson/scientific-python-lectures>`_
   de J.R. Johansson
-* `Sci-py Lectures <http://scipy-lectures.github.io/>`_
 * `El tutorial de Python <http://docs.python.org.ar/tutorial/2/contenido.html>`_
   traducción al castellano por la comunidad `Python Argentina <http://python.org.ar/>`_
 * `Matplotlib tutorial <http://webloria.loria.fr/~rougier/teaching/matplotlib/>`_ por Nicolas P. Rougier
 * `Integrar Fortran con Python usando F2py <http://pybonacci.wordpress.com/2013/02/22/integrar-fortran-con-python-usando-f2py/>`_  por Pybonacci.
 * `Numba vs Python, take 2 <http://nbviewer.ipython.org/url/jakevdp.github.io/downloads/notebooks/NumbaCython.ipynb>`_ de Jake Vanderplasf
+* `Cómo acelerar tu código python con numba <http://pybonacci.org/2015/03/13/como-acelerar-tu-codigo-python-con-numba/>`_ por Pybonacci