- 43
- 23 066
IngenierIA con python
Peru
Приєднався 12 жов 2022
Contenido de temas de estadística, ciencia de datos y tecnologías de la informacíón
Bosques Aleatorios - Random Forest con Python, teoría y practica paso a paso.
En este video te enseñare desde los conceptos básicos hasta la parte practica usando python, Aprenderas de las librerías y funciones que se necesita para construir el modelo de *Random Forest* , evaluaremos rendimientos y observaremos resultados utilizando los conceptos y funciones que nos proporciona la libreria *sklearn* de python.
*Dataset* :
www.kaggle.com/competitions/playground-series-s4e11
*Cuaderno jupyter* :
colab.research.google.com/drive/1oOqqE77sILtQsScOOM7aorXa8Ck_Flbr?usp=sharing
*Teoría*:
[00:12]: Machine learning Random forest.
[00:30] Bases del Modelo Random Forest.
[01:10]: Funcionalidad Visual.
[03:20]: Out of Bag (OOB).
[04:39]: Ventajas y desventajas.
*Codigo Python*
[06:39]: 1-Instalacion de librerías
[07:19]: 2-lectura de Datos.
[07:56]: 3-Análisis Exploratorio de Datos (EDA).
[08:45]: 4-Preparación de Datos.
[10:40]: 5-Entrenamiento y Evaluación:
[14:11]: Optimización de Hiperparametros.
[16:35]: 6-Modelo final.
*Dataset* :
www.kaggle.com/competitions/playground-series-s4e11
*Cuaderno jupyter* :
colab.research.google.com/drive/1oOqqE77sILtQsScOOM7aorXa8Ck_Flbr?usp=sharing
*Teoría*:
[00:12]: Machine learning Random forest.
[00:30] Bases del Modelo Random Forest.
[01:10]: Funcionalidad Visual.
[03:20]: Out of Bag (OOB).
[04:39]: Ventajas y desventajas.
*Codigo Python*
[06:39]: 1-Instalacion de librerías
[07:19]: 2-lectura de Datos.
[07:56]: 3-Análisis Exploratorio de Datos (EDA).
[08:45]: 4-Preparación de Datos.
[10:40]: 5-Entrenamiento y Evaluación:
[14:11]: Optimización de Hiperparametros.
[16:35]: 6-Modelo final.
Переглядів: 118
Відео
✅Como crear un Dashboard con POWER BI( DAX, power Query) usando datos reales.
Переглядів 12519 годин тому
✔En este video te enseñare de manera muy practica los pasos para elaborar un dashboard dinámico e interpretable que te ayudará a entender los patrones y tendencias📊📉 se mostrara los gráficos estadísticos más relevantes y utilizados que nos ayudara para una mejor toma de decisiones 👨💻. Aprenderás las funciones básicas de *Dax* y de *Power Query* y algunos tips para optimizar las expresiones fun...
Construcción de un ETL en Visual Studio para generar un DASHBOARD sobre los Exámenes de Diabetes
Переглядів 20114 днів тому
En este video te enseñare todos los pasos para la construcción de un ETL usando *Visual Studio* para generar un Dashboard. Se explicara las herramientas que nos ofreces las aplicaciones , usaremos datos reales sobre Exámenes de Sangre de pacientes con Diabetes que se extrajo de la pagina Datos abiertos. Esta es la primera parte del video donde nos enfocaremos en el ETL. Datasets: www.datosabier...
✅ Proyecto Ciencia de Datos Regresión Logística Python, SQL Server 👨💻y Power BI.
Переглядів 2593 місяці тому
✅En este video enseñare como construir procedimiento almacenado en *SQL Server* para implementar la Regresión logística utilizando los coeficientes que se obtuvo en el modelo hecho en Python🐍 . Visualizaremos la descripción de las variables del modelo y lo evaluaremos con una medida que calcularemos en *Power BI* , implementaremos gráficos de barras📊, de lineas 📉,circulares entre otros, Además ...
✅Regresión Logística con Python🐍: Aplicando un caso Practico, Transformación👨💻, Visualización📊datos
Переглядів 5664 місяці тому
✅En este video enseñare como construir y ajustar los datos a un modelo de *Regresión Logística* con Python🐍 . Aplicaremos un ejercicio usando un conjuntos de datos para predecir si un cliente fuga( *Churn* ) de una empresa de *Telecomunicaciones* . Pondremos a prueba los métodos necesarios para lograr obtener el resultado esperado😀💡 y entender el comportamiento de los clientes en base a variabl...
✅ Regresión Lineal con Python 🐍 🤖
Переглядів 2118 місяців тому
✅Aprenderás los fundamentos de la regresión lineal simple con python. El modelo básico que te enseñaron en la universidad y que es muy probable que lo veas en mundo laboral 🚀 . Si eres profesional de ingeniería relacionado a datos, análisis y ciencia; quédate aquí donde exploraremos juntos los conceptos estadísticos y códigos en python 🐍 , que en un futuro te harán experto en machine learning.😎...
✅Balanceo de Datos con Python🐍: Machine Learning🤖, Transformación 👨💻, Visualización📊 de datos🕵️.
Переглядів 62311 місяців тому
✅Balanceo de Datos con Python🐍: Machine Learning🤖, Transformación 👨💻, Visualización📊 de datos🕵️.
Text Analytics con Python 😎, explorando las Frases memorables de un personaje de Anime
Переглядів 165Рік тому
Text Analytics con Python 😎, explorando las Frases memorables de un personaje de Anime
✅Prueba de Hipótesis Inferencia estadística 😀 T-Student, Homogeneidad de varianza, todo en Python.
Переглядів 692Рік тому
✅Prueba de Hipótesis Inferencia estadística 😀 T-Student, Homogeneidad de varianza, todo en Python.
✅Análisis Cluster & Componentes Principales 😀: Transformación, Visualización📊 de datos con Python.
Переглядів 2,9 тис.2 роки тому
✅Análisis Cluster & Componentes Principales 😀: Transformación, Visualización📊 de datos con Python.
Teorema Límite Central con Python😀: Demostración📃 👀,Experimentación ⚙📈 y Visualización de datos📊📉
Переглядів 6582 роки тому
Teorema Límite Central con Python😀: Demostración📃 👀,Experimentación ⚙📈 y Visualización de datos📊📉
Análisis Descriptivo, Perú Compras😀: Detección de Patrones📉, Transformación y Visualización 📊 Python
Переглядів 5982 роки тому
Análisis Descriptivo, Perú Compras😀: Detección de Patrones📉, Transformación y Visualización 📊 Python
Unión de archivos(CSV) con Python en Colab 😀💻 - pandas, TQDM, directorios, expresiones regulares 📊🤗
Переглядів 2902 роки тому
Unión de archivos(CSV) con Python en Colab 😀💻 - pandas, TQDM, directorios, expresiones regulares 📊🤗
Componentes Principales (PCA) con Python 👨💻😀-Datos reales, pandas, Sklearn 💻📊
Переглядів 7 тис.2 роки тому
Componentes Principales (PCA) con Python 👨💻😀-Datos reales, pandas, Sklearn 💻📊
Medidas de tendencia central y dispersión con Python😀🤗- pandas, numpy, funciones💻🤖
Переглядів 8042 роки тому
Medidas de tendencia central y dispersión con Python😀🤗- pandas, numpy, funciones💻🤖
Interesante 🙌
Los datos estan en la parte que dice "Dato y Medio de Distribución"? ahi hay 4 archios, cual es ?. Gracias por el contenido
Holaaa Sii es en esa sección yo tomé el primer archivo de exámenes del periodo 01-01-2020 al 30-04-2024. Gracias
Muy bueno 😮
Gracias! 😊
Interesante es un buen tema🤓
Muy bueno !
Buen video, muy interesante 👌
Muy agradecido
Buena info 💯
No rents
Gracias ,me cuesta entender pero ya tengo codigo:)
Buen video, gracias
Excelente vídeo, una pregunta. si tengo un conjunto de datos con variables cuantitativas, pero tengo dos variables, como la variedad de frijol, y la zona en la que se sembró, es decir variables categoricas, también las podría incluir en el PCA, ya que me interesa ver en función como tal de la variedad y la zona.
hola 😃 si se puede introducir variables categóricas siempre y cuando esten transformadas puedes usar one hot encoding o Label encoding, Recordar que pca te ayuda a reducir la dimensionalidad cuando tienes muchas variables sino es el caso mantener la dimensión original.
@@echandia36 Dale, es que mi objetivo no es visualizar esa variable categórica como vector, sino más bien que esas observaciones se agrupen según la variedad, no sé si me hago entender, que en el biplot se vean esas observaciones por grupos que serían esas variedades.
Entonces podría realizar clúster y comparar si la cantidades de clúster resultantes coinciden con la variedad
Yo quería ver como generar el gráfico del video
Tema importantísimo y muy útil. Gracias por la info!
Buen video
Interesante 🤓
Bro ¿Dices que tienes los datos en tu Google Drive? ¿Podrías compartir un link para descargar los datos?
si como no , esta en la descripción del video igual te la mando por aquí 🤓 www.kaggle.com/competitions/lish-moa/data
@@echandia36 Buenas. Ya vengo a chingr de nuevo. Bro ¿Podrías compartirme los datos vía Google Drive? Ya intenté descargarlos en el link que me das, pero me pide verificar la cuenta con un número de teléfono. Ya lo intenté varias veces en diferentes días pero no me llega el código. Si no ingreso el código, no puedo verificar, y si no verifico, no puedo descargar los datos. Por favor, no te los pediría si yo mismo los pudiera descargar. Saludos.
yo tengo la misma cuestion no puedo descargarlos@@echandia36
Magnifico trabajo, te felicito. Lo he completado todo y es muy bueno el aporte para poder aprender la metodología moderna de ciencia de datos
muchas gracias 😃👍
Puedes indicarme cuáles son los parámetros q le pasas a la funcion plot_continuas
Hola, muy buen video! Muchas gracias por tu trabajo. Quería hacerte una consulta, es una pequeña duda. Manejo un dataset con 10 variables cualitativas (A, B y C). Si paso esos valores a 0, 1 y 2, funcionaria la reducción de dimensionalidad? Ya que cuando lo aplico y genero el grafico Los centroides están ubicados en lugares que no tienen nada que ver con los individuos que pertenecen a ese grupo. Espero haberme explicado jaja. Abrazo grande y Like!
Hola, sí te explico en este caso todas tus variables con cualitativas, el método de componentes funciona mejor cuando la mayoría de variables con cuantitativas en tu caso no seria oportuno utilizar este método, te recomiendo hacer un análisis de correspondencia que es apropiado para ver relaciones entre categorías.
Muchas gracias por tu respuesta! Muy bueno tu contenido, me suscribo.
Excelente aporte a la comunidad, interesante análisis !!!
Buen video, nos damos cuenta lo importante que es el tratamiento de datos antes de iniciar el algoritmo🙌🙌
Buen video
Buenisimo!!! Gracias!!!
Que buen video!!! 👏🤩
Buena información!!
Muy buen video Precisó 👌
Buena infoooo
Excelente gracias Joan !!!
Genial explicación Joan ... éxitos en esta nueva aventura
Gracias por compartir tus conocimientos! 🤩 Buena info