Me ha gustado mucho el video explicativo, se entiende a la perfección. ¿Podrías recomendar un libro o articulo de referencia al ejemplo que has expuesto en el video?. Muchas gracias y un saludo :)
Me alegra que te guste. No conozco ningún libro o publicación específico del tema. Pero si acabas encontrando alguno interesante, te agradeceré que lo compartas por aquí para que lo veamos todos. 😉😜
Buen vídeo, como pequeña curiosidad, encuentro más correcto usar los terminos limite superior y limite inferior para referirme al limite de anomalias... Quizas a nivel dummy el tuyo es mejor
Mil gracias, interesante, no se utilizar Python pero un motivo más para aprender. Me podría dejar un correo para escribir la duda que tengo de lo que estoy haciendo. Gracias.
En cada caso hay que entender la naturaleza de la señal, su frecuencia y su varianza. Evidentemente este mini tutorial es un proceso muy simple para explicar las bases. No obstante, si dispones de un histórico de datos suficiente, podrás encontrar los patrones necesarios para entender tu señal y detectar las anomalías teniendo en cuenta la estacionalidad. ;)
Claro, la señal de audio puede procesarse y tratarse como una señal así, sin ninguna complicación. Hace tiempo cree una red neuronal que aprendía a crear música a base de entrenarla con distintas melodías y la señal de entrenamiento era en un formato similar a la de éste vídeo. 😉 Suerte con tu proyecto, ya nos contarás qué tal. 😉
@@luisfernandovargasnoblecil6583 recuerdo que una vez entrené una red neuronal para enseñarle a tocar música, si mi memoria no falla utilicé "librosa" para leer y tratar los ficheros de audio. Quizá te sea útil. 😉👍
Es un tutorial simple y complicarlo con varias series combinadas sería demasiado complejo. En cualquier caso, siempre puedes tratarlas (si quieres probar procesos simples) como señales independientes cada una de las dimensiones y obtener anomalías cunado se cumplan ciertas condiciones. ;)
Henry Vasquez se puede, pero ojo que esto no es más que una demostración simple. Para trading mejor tener en cuenta algunas cosas un pelín más complejas. 😉
Excelente video, unos de los pocos que he visto y al detalle.
Esto esta excelente para analisis de señales en tiempo real y y mantener un sistema de control por medio de sensores. Excelente video
uno de los mejores videos de python para analisis, forma clara y funciona perfecto!. muy muy buen video
Estuvo genial esto…el Python es algo increíble la vdd
Muy buena explicación, hoy quería aprender un poco de análisis y esto me ha dado una idea muy clara, gracias por su trabajo.
Que buen tutorial 😀
Genial tu explicación y la visualización gracias por el contenido
Que buen vídeo, muchas gracias por tu explicación 100% recomendado
Excelente video maestro!
Hola, no logro entender la variable wind. De qué depende que la tenga que ir cambiando?? Qué es lo que me modifica?
Excelente video y muy buena explicación., lo que no sé es cómo implementar este código en un ambiente de prueba para hacerlo productivo 🤔
Excelente didáctica.
Me ha gustado mucho el video explicativo, se entiende a la perfección. ¿Podrías recomendar un libro o articulo de referencia al ejemplo que has expuesto en el video?.
Muchas gracias y un saludo :)
Me alegra que te guste. No conozco ningún libro o publicación específico del tema. Pero si acabas encontrando alguno interesante, te agradeceré que lo compartas por aquí para que lo veamos todos. 😉😜
Buen vídeo, como pequeña curiosidad, encuentro más correcto usar los terminos limite superior y limite inferior para referirme al limite de anomalias... Quizas a nivel dummy el tuyo es mejor
Tengo una consulta, como defino mi ventana, en base a qué criterios?
Mil gracias, interesante, no se utilizar Python pero un motivo más para aprender. Me podría dejar un correo para escribir la duda que tengo de lo que estoy haciendo. Gracias.
Gracias. En mi blog tengo una página donde doy la info para poder localizarme por distintos medios. ;)
sukiweb.net/sobre-mi/
muy bueno, en la ultima linea falto un remplazo de row(0),no?
¡Me encanto! Muchas gracias.
Disculpa, si mi señal no es normal. Específicamente, es una señal periódica de temperatura ¿Cómo se procede en este caso?
En cada caso hay que entender la naturaleza de la señal, su frecuencia y su varianza. Evidentemente este mini tutorial es un proceso muy simple para explicar las bases. No obstante, si dispones de un histórico de datos suficiente, podrás encontrar los patrones necesarios para entender tu señal y detectar las anomalías teniendo en cuenta la estacionalidad. ;)
Wow que genial justo estoy estudiando el tema, se puede utilizar con archivos de audio ?
Claro, la señal de audio puede procesarse y tratarse como una señal así, sin ninguna complicación. Hace tiempo cree una red neuronal que aprendía a crear música a base de entrenarla con distintas melodías y la señal de entrenamiento era en un formato similar a la de éste vídeo. 😉
Suerte con tu proyecto, ya nos contarás qué tal. 😉
@@DavidMartinSuki_ oooo gracias! si justo estoy en ello. :)
@@DavidMartinSuki_ Holaaaa, me recomiendas algún método para procesar el audio para tratarlo de esta manera ?
@@luisfernandovargasnoblecil6583 recuerdo que una vez entrené una red neuronal para enseñarle a tocar música, si mi memoria no falla utilicé "librosa" para leer y tratar los ficheros de audio. Quizá te sea útil. 😉👍
@@DavidMartinSuki_ gracias jaja no encontré pies ni cabeza u.u pero seguiré investigando OwO.
Thanks, 👍🏼🇧🇷
Buen video! ¿Cómo se podría hacer cuando tienes más de un atributo? En este caso sólo tienes un atributo (una dimensión)
Es un tutorial simple y complicarlo con varias series combinadas sería demasiado complejo. En cualquier caso, siempre puedes tratarlas (si quieres probar procesos simples) como señales independientes cada una de las dimensiones y obtener anomalías cunado se cumplan ciertas condiciones. ;)
Muy buen video. Creo que podría interesarte el siguiente detector de anomalías github.com/linkedin/luminol. Saludos!.
Tengo un problema. Cuando ejecuto los 250 valores aleatorios me pone "name "pd" is not defined" sabrías decirme cómo solucionarlo?
No has importado pandas correctamente sobre pd
@@DavidMartinSuki_ ok, gracias :3
Esto ya es machine learning?
genial, se puede aplicar al trading.
Henry Vasquez se puede, pero ojo que esto no es más que una demostración simple. Para trading mejor tener en cuenta algunas cosas un pelín más complejas. 😉
tienes un canal muy mixto escoge subir solo videos de clases y considero que te va mejor.humilde opinion no hate