Tutorial Rápido — Ambiente kernelPAD (Python 3.11)

Objetivo: Em menos de 20 minutos, você terá o ambiente kernelPAD com Python 3.11, numpy, pandas, notebook, scikit-learn, seaborn, matplotlib, plotly e o kernel do Jupyter funcionando no Windows ou macOS.

0) Checklist do que você vai fazer

1. Baixar e instalar o Miniconda (gerenciador de ambientes).
2. Abrir o Anaconda Prompt (Windows) ou Terminal (macOS).
3. Criar e ativar o ambiente kernelPAD com Python 3.11.
4. Instalar os pacotes da disciplina e o ipykernel (para aparecer no Jupyter/VS Code).
5. Abrir o Jupyter Notebook.
6. (Se estiver no laboratório) Navegar para sua pasta usando cd.
7. Instalar o Visual Studio Code e selecionar o kernel kernelPAD.

Siga exatamente os comandos na ordem. Se der erro, não invente: copie a mensagem e peça ajuda.

1) Baixar e instalar o Miniconda

• Site oficial: https://docs.conda.io/en/latest/miniconda.html
• Windows (x86_64): baixe o instalador .exe (64-bit) e instale com as opções padrão. (link: https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe)
• macOS Intel (x86_64): baixe o instalador pkg ou sh para x86_64 (link: https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.pkg).
• macOS Apple Silicon (M1/M2/M3): baixe o instalador para arm64 (Apple Silicon) (link: https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.pkg).

Dica: no Windows, depois de instalar, procure por “Anaconda Prompt (miniconda3)” no menu iniciar. No macOS, use o Terminal.

2) Abrir o terminal correto

• Windows: abra Anaconda Prompt (miniconda3) no Menu Iniciar.
• macOS: abra Terminal (Spotlight → “Terminal”).

Confirme que o conda está funcionando:

conda --version

3) Criar o ambiente kernelPAD com Python 3.11

No Anaconda Prompt (Windows) ou Terminal (macOS):

conda create -n kernelPAD python=3.11 -y

Ative o ambiente:

conda activate kernelPAD

Você deve ver algo como (kernelPAD) no começo da linha do terminal.

Veja a lista de ambientes (opcional):

conda env list

4) Instalar os pacotes da disciplina (+ kernel do Jupyter)

Regra de ouro: use conda primeiro (resolve dependências sozinho). Se algo falhar, use o pip dentro do ambiente ativado.

4.1) Via conda (recomendado)

conda config --add channels conda-forge --force
conda config --set channel_priority strict
conda install -y numpy pandas notebook scikit-learn seaborn matplotlib plotly ipykernel

4.2) Se o conda recusar alguma versão, use pip dentro do mesmo ambiente

python -m pip install --upgrade pip
python -m pip install "numpy<2.1" "pandas<3.0" "matplotlib<4.0" "scikit-learn<2.0" seaborn plotly notebook ipykernel

Esses limites de versão garantem compatibilidade com Python 3.11 na maioria das máquinas de laboratório.

4.3) (Garantia) Registrar o kernel no Jupyter

python -m ipykernel install --user --name kernelPAD --display-name "Python 3.11 (kernelPAD)"

5) NO Laboratório: mudar de pasta (Windows)

Em alguns casos, seu prompt pode mostrar algo como:

C:\Users\Adminti>

CASO JÁ ESTEJA NA PASTA DA MATRÍCULA, PULE ESSA ETAPA

Para ir para sua pasta de usuário, digite (e dê enter para cada comando) (NÃO ESQUEÇA DE COLOCAR SUA MATRÍCULA)

cd ..
dir
cd <SUA_MATRICULA>
cd Documents

• cd .. → sobe uma pasta (vai para C:\Users).
• dir → lista pastas. Procure sua pasta de matrícula.
• cd <SUA_MATRICULA> → entra na sua pasta (ex.: cd 1234567).
• cd Downloads ou cd Documents → Vá para a pasta Downloads ou Documents

Dicas Windows

• Voltar duas pastas: cd ..\..
• Nomes com espaço: cd "Minha Pasta"

6) Abrir o Jupyter Notebook

Com o ambiente ativado ((kernelPAD) visível no prompt), digite e aperte enter:

jupyter notebook

• Vai abrir o navegador. Clique em New → Python 3.11 (kernelPAD) para criar um notebook.
• Salve como teste.ipynb e execute:

  import sys, numpy, pandas, matplotlib, sklearn, seaborn, plotly
  print("OK!", sys.version)

Caso o jupyter notebook não abra automaticamente, copie a URL que aparece no terminal (começa com http://127.0.0.1:8888/...) e cole no navegador.

7) Baixar o Visual Studio Code e usar o kernel kernelPAD

1. Baixe e instale o VS Code: https://code.visualstudio.com/
2. Abra o VS Code e instale duas extensões oficiais (ícone de quadradinhos à esquerda → “Extensions”):
   • Python (by Microsoft)
   • Jupyter (by Microsoft)
3. Selecione o interpretador/kernel kernelPAD:
   • Pressione Ctrl+Shift+P (Windows) ou Cmd+Shift+P (macOS).
   • Digite “Python: Select Interpreter” e escolha o conda kernelPAD.
   • Abra/Crie um arquivo .ipynb. No canto superior direito, clique no seletor de Kernel e escolha “Python 3.11 (kernelPAD)”.
4. (Plano B, caso o VS Code não encontre o conda automaticamente):
   • Abra o Anaconda Prompt, ative o ambiente e inicie o VS Code a partir dele:

     conda activate kernelPAD
     code .

   • Com isso, o VS Code herda o ambiente ativo.

Erros comuns e soluções rápidas

• conda: command not found (macOS): feche e reabra o Terminal; se persistir, reinstale o Miniconda e marque “Initialize Miniconda” durante a instalação.
• jupyter: command not found: instale o notebook no ambiente ativo (conda install notebook ou pip install notebook) e tente de novo.
• Kernel não aparece no VS Code: garanta que o ambiente está ativo (conda activate kernelPAD) e rode

  python -m ipykernel install --user --name kernelPAD --display-name "Python 3.11 (kernelPAD)"

  Depois, reinicie o VS Code.
• Permissão negada ao instalar pacotes: confirme que você está dentro do (kernelPAD) e não no base. Reabra o terminal se necessário.
• Conflitos de versão (conda): tente adicionar -c conda-forge ou instalar pacotes em blocos menores (ex.: primeiro numpy pandas, depois matplotlib, etc.).

Comandos de referência (copiar/colar)

# Criar e ativar o ambiente
conda create -n kernelPAD python=3.11 -y
conda activate kernelPAD
# Instalar pacotes (conda)
conda config --add channels conda-forge --force
conda config --set channel_priority strict
conda install -y numpy pandas notebook scikit-learn seaborn matplotlib plotly ipykernel
# Alternativa com pip (dentro do ambiente)
python -m pip install --upgrade pip
python -m pip install "numpy<2.1" "pandas<3.0" "matplotlib<4.0" "scikit-learn<2.0" seaborn plotly notebook ipykernel
# Registrar kernel no Jupyter
python -m ipykernel install --user --name kernelPAD --display-name "Python 3.11 (kernelPAD)"
# Abrir Jupyter Notebook
jupyter notebook

Pronto. Se você seguiu este passo a passo, terá o kernelPAD funcionando no Jupyter e no VS Code.