- 53
- 33 306
Carlos Cobos
Приєднався 29 вер 2011
Metaheurísticas Posgrado Unicauca Sesión 08 2024-10-04
Introducción al Problema del Agente Viajero, tres operadores básicos que buscan mejorar una solución y código Python de una solución al TSP con HC, HCRR y SA modificando los operadores de Inicialización y Tweak, además de la lectura de los problemas desde archivos de texto y la evaluación de la calidad de una solución.
Переглядів: 43
Відео
Metaheurísticas Posgrado Unicauca Sesión 07 2024-09-27
Переглядів 4021 день тому
Búsqueda Armónica y sus variaciones. Desarrollo en Python de una solución al problema de la mochila usando la mejor búsqueda armónica global (GHS, Global-best Harmony Search) y su comparación contra Hill Climbing (HC), Hill Climbing with Random Restarts (HCRR) y Simulated Annealing (SA)
Metaheurísticas Posgrado Unicauca Sesión 06 2024-09-20
Переглядів 4128 днів тому
Problema de la mochila con soluciones greedy y programación dinámica. Explicación de la solución en Python usando HC, HCRR y SA a problemas de la mochila binaria y su comparación. Especial atención al método de inicialización de una solución y al tweak.
Metaheurísticas Posgrado Unicauca Sesión 05 2024-09-13
Переглядів 32Місяць тому
Algoritmo HC (Hill Climbing), HCRR (Hill Climbing with Random Restarts) y SA (Simulated Annealing) implementados en Python con enfoque orientado a objetos, mostrando la curva de convergencia de un solo algoritmo o comparando varios algoritmos, y el diseño de un experimento que busca optimizar varias funciones continuas sin restricciones (Esfera, paso, entre otras) comparando los tres algoritmos...
Metaheurísticas Posgrado Unicauca Sesión 04 2024-09-06
Переглядів 33Місяць тому
Hill Climbing with Ramdom Restart en Python usando programación modular y Hill Climbing básico usando Programación Orientada a Objetos. Clases base para funciones (esfera, paso y otras), la solución, el algoritmo base de HC y el main para el experimento controlando la semilla de números aleatorios para asegurar la repetibilidad de los experimentos.
Metaheurísticas Posgrado Unicauca Sesión 03 2024-08-30
Переглядів 33Місяць тому
Heurística de Ascenso a la Colina y sus variantes (por la máxima pendiente, por la máxima pendiente con reinicio y con reinicios aleatorios), algoritmo de búsqueda aleatoria y funciones continuas para evaluar y comparar algoritmos (mono y multi modales, separables y no separables).
Metaheurísticas Posgrado UniCauca Sesión 02 2024-08-23
Переглядів 38Місяць тому
Introducción a metaheurísticas , Gradiente Ascendente, Método de Newton, Método de Quasi-Newton, Método de Newton con Reinicios, Desventajas de métodos basados en derivadas y Taxonomía de las metaheurísticas.
Metaheurísticas Posgrado UniCauca Sesión 01 2024-08-09
Переглядів 21Місяць тому
Presentación del plan estratégico de la asignatura (objetivos, contenidos, evaluaciones) Problemas P, NP y ejemplos (mochila, vendedor viajero, ubicación de facilidades y otros) Introducción superficial al gradiente ascendente/descendente.
Minería de Datos Sesión 12 / 2024-05-17
Переглядів 144 місяці тому
Minería Web enfocada en Web Scraping y Análisis de Componentes Principales (Principal Component Analysis, PCA)
Minería de Datos Sesión 11 parte 2 / 2024-05-10
Переглядів 144 місяці тому
Introducción a los sistemas de recomendación
Minería de Datos Sesión 11 parte 1 / 2024-05-10
Переглядів 604 місяці тому
Python, Pandas y Scikit-learn con ejemplo de tareas en pasos de CRIPS-DM.
Minería de Datos Sesión 10 / 2024-05-03
Переглядів 175 місяців тому
Descripción del sesgo, la varianza y la regularización. Solución de los primeros puntos de taller de churn usando RapidMiner.
Mineria de Datos Sesión 09 / 2024-04-12
Переглядів 406 місяців тому
Arboles de decisión, Se explica el funcionamiento del núcleo de CART usando el criterio FI y el núcleo del C4.5 (en resumen ID3) usando la ganancia de información.
Mineria de Datos Sesión 07 / 2024-03-22
Переглядів 306 місяців тому
Solución al Quiz de Bonificación (predicción del consumo de un auto con el dataset de autoMPG), en especial la explicación de los modelos de regresión gaussiano (lineal), gamma y poisson. El uso de Auto Model para comparar diversos modelos. La razón por la cual se crea una vista minable (datos centralizados) en lugar de usar los datos desde diferentes fuentes, el uso de identificadores para act...
Minería de Datos Sesión 08 / 2024-04-05
Переглядів 586 місяців тому
Proceso KDD, en especifico CRISP-DM y explicación de como funciona el método de clasificación Naive Bayes 8suano ejemplo de Excel). Finalmente se resuelven algunas inquietudes del taller de churn, a saber: matriz de correlación en RapidMiner que muestra una correlación negativa para los atributos VoiceMail Plan y No of Vmail Mesgs mientras que en Python es positiva (se resuelve con conversión e...
Minería de Datos Sesión 05 / 2024-03-08
Переглядів 1027 місяців тому
Minería de Datos Sesión 05 / 2024-03-08
Minería de Datos Sesión 04 / 2024-03-01
Переглядів 1497 місяців тому
Minería de Datos Sesión 04 / 2024-03-01
Minería de Datos Sesión 03 / 2024-02-23
Переглядів 1177 місяців тому
Minería de Datos Sesión 03 / 2024-02-23
Minería de Datos Sesión 02 / 2024 02 16
Переглядів 2288 місяців тому
Minería de Datos Sesión 02 / 2024 02 16
Minería de Datos Sesión 01 / 2024-02-09
Переглядів 3208 місяців тому
Minería de Datos Sesión 01 / 2024-02-09
Metaheurísticas-Sesion-14b-2023-12-01
Переглядів 1610 місяців тому
Metaheurísticas-Sesion-14b-2023-12-01
Metaheurísticas-Sesión-14a-2023-12-01
Переглядів 610 місяців тому
Metaheurísticas-Sesión-14a-2023-12-01
Metaheurísticas-Sesion-12b-2023-11-10
Переглядів 2911 місяців тому
Metaheurísticas-Sesion-12b-2023-11-10
Metaheurísticas-Sesión-12a-2023-11-10
Переглядів 2211 місяців тому
Metaheurísticas-Sesión-12a-2023-11-10
Metaheurísticas-Sesion-11-2023-11-03
Переглядів 4711 місяців тому
Metaheurísticas-Sesion-11-2023-11-03
Metaheurísticas-Sesion-10-2023-10-20
Переглядів 3111 місяців тому
Metaheurísticas-Sesion-10-2023-10-20
Metaheurísticas-Sesion-06-2023-09-15-Parte-1
Переглядів 91Рік тому
Metaheurísticas-Sesion-06-2023-09-15-Parte-1
Metaheurísticas-Sesion-06-2023-09-15-Parte-2
Переглядів 83Рік тому
Metaheurísticas-Sesion-06-2023-09-15-Parte-2
Buenas tardes, un trabajo interesante. Un favor, ayudeme compartiendo las bases de datos de los emails. Le agradezco
Hola Jose, puedes descargarlos desde 1drv.ms/u/s!AmRXmylg8yfHra06alb4Liyd9zv6Tw?e=YbAA5A
Muy agradecido
excelente video ya lo único que a mi no me funciona con los data ets que tengo hubiera estado de maravilla que dejaras el data ets que usaste, pero igual la explicación esta perfecta gracias
artemisa.unicauca.edu.co/~ccobos/datasets/Basket.arff
artemisa.unicauca.edu.co/~ccobos/datasets/titanic.arff
Hola profe. Muy interesante y explicativo esta serie de videos. Quisiera consultar ¿sí depronto conoce algún libro como tal de Minería de Datos o CRISP-DM que pudiese recomendarnos?
Recomiendo el siguiente libro www.google.com.co/books/edition/Data_Mining/1SylCgAAQBAJ?hl=en&gbpv=0 consigues diapositivas en www.cs.waikato.ac.nz/ml/weka/book.html
EXCELENTE VIDEO , EXCELENTE PEDAGOGIA ... ERES CAPISIMO... ME GUSTO LA BD QUE USASTES , COMO LA PUEDO COSEGUIR.. GRACIAS..
Lo puedes descargar de artemisa.unicauca.edu.co/~ccobos/datasets/classification-drug.arff
muchas gracias..
Qué buena explicación, muy clara, gracias!
super crack Carlos. Muy clarita la explicación.
Excelente video muy buena introducción con casos prácticos y dirigidos nuestros ingenieros en la realidad Latinoamericana, ¡mil gracias!
Hola! me podrias decir cuales serian las desventajas de usar RapidMiner?
Para mi es el costo, a la fecha (2020/10/05) el RapidMiner Studio esta a (dolares) $7,500 - $15,000 per user, per year y RapidMiner AI Hub a $54,000 per year, ya que lo hace dificil de alcanzar para muchas empresas pequeñas y medianas. Si el costo no es un inconveniente lo recomiendo sin restricción. Con el se prototipa muy rapido, se puede dialogar fácilmente en equipo y con clientes, y si necesitas a la final entregar una solución en otro lenguaje (sea cual sea la razón) pues codificas solamente la mejor solución obtenida.
@@carloscobos9854 Muchas gracias y buen video!
Cual es la diferencia entre los 2 ? Alguien ayuda
Hola Nelson los dos algoritmos tienen enfoques de busqueda diferentes y criterios de conformación de reglas diferentes. Apriori en comparación con Fp Growth puede ser más lento en grandes volumenes de datos ya que no garantiza 1 sola lectura de cada registro y dependiendo del valor de soporte que el usuario defina. Por otro lado, Fp Growth puede generar reglas con varios consecuentes, lo que no es tan usual en las implementaciones básicas de apriori.
muy didáctico gracias !!!
excelentes videos
muy bueno, comprensible, rápido y conciso, deberías subir mas vídeos para seguir colaborando con el mundo, ya mire casi todos.
Espero estar más activo durante agosto-noviembre de 2020
Muy buena clase. ¿se puede tener acceso a lo archivos de la clase? Saludos desde Perú.
gracias, enviame un correo a ccobos@unicauca.edu.co y de regreso te mando los archivos de excel.
@@carloscobos9854 Buenas noches, podrías pasarmelo a mi también? por favor, mauriciojuanes22@gmail.com
Hola @@mauriciojuanes3569, ya te envie los archivos por correo.
Mirá ve Carlos pense que vos ibas a mostrar el uso de Weka
Excelente sus videos. Me gustaría saber si tiene cursos que se puedan adquirir o si presta asesorías en Rapid Miner para principiantes.
Hola Carlos, que pena la demora en responder. La verdad este año esta complicado. Te recomiendo ver todos los videos en artemisa.unicauca.edu.co/~ccobos/19-curso-mineria-de-datos.htm
Excelente video, es una muy buena introducción muchas gracias
Como se llama el metodo de ajuste con precisión para las variables continuas?
No conozco el nombre, en Weka dice "If the attribute is numeric, determine the estimator numeric precision from differences between adjacent values"
Carlos Cobos, exelente explicación... muy claro, y será que usted puede hacer un video de redes bayesianas con ejemplos como estos, se te agradece de antemano mi brother.
Hola Jose, lo tendré en cuenta, pero este fin de año no podrá ser por compromisos previos.
Hola Carlos, el algoritmo C4.5 tiene un componente de más para cuando los nodos son eliminados o cuando se agregan nuevos datos al dataset, a diferencia del algoritmo ID3 que fue la parte que explicaste en el video. ¿Por casualidad, tenés la explicación de ese reordenamiento cuando se agregan nuevos datos? Gracias
Hola Óscar, no lo tengo, si lo encuentro te paso el dato por acá.
Efectivamente Oscar, cambie la descripción para dar precision a lo que comentas. Con respecto a lo que me pides, debes revisar Quinlan,1993. C4.5: Programs for machine learning. San Francisco: Morgan Kaufmann. incluye el codigo fuente!
buenas. Donde puedo ver el curso completo?
Hola Breiner, en artemisa.unicauca.edu.co/~ccobos/19-curso-mineria-de-datos.htm encuentras las sesiones ordenadas
muchas gracias excelente recurso.
Gracias Breiner, No son videos profesionales, solo son grabaciones de un curso presencial en la Universidad del Cauca, Colombia,. Puedes compartilo con tus conocidos.
Hola Breiner ... puedes ver los videos en artemisa.unicauca.edu.co/~ccobos/19-curso-mineria-de-datos.htm .. recuerda, no son videos profesionales