Ciencia de Datos con Grafos: Introducción al Análisis de Redes con Python y NetworkX

[@CodigoMaquina]

⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.
⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI:
www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln

[@diegoferia]

¿Cómo podríamos aplicar la ciencia de datos en el sector educativo (escuela secundaria)? Una idea para un nuevo video.

[@CodigoMaquina]

Muchas gracias por la sugerencia :)

[@reinerromero7265]

Muchas gracias por compartir. Muy interesante la serie propuesta.

[@CodigoMaquina]

@reinerromero7265 gracias por estar al tanto del contenido del canal y por interactuar. Feliz año!!!

[@thegrayfox666]

¡Que genial! Yo cuando empecé a estudiar ciencia de datos lo hice pensando combinarlo con lo que ya conozco en temas de logística internacional. Sin embargo, es los cursos que tomé nunca tuve una explicación aplicada sobre como utilizar la ciencia de datos en un problema de distribución y tampoco estaba muy enterado sobre qué algorítmos o modelos son útiles para este tipo de propósitos. Super interesante tema, espero con ansias los siguientes videos para ahondar más en este tema en partícular.

[@CodigoMaquina]

@thegrayfox666 gracias por interactuar con el contenido del canal. En relación a los problemas de logística y distribución, muy probablemente te va a gustar el video que tenemos sobre medidas de centralidad en grafos que justo se puede aplicar a esas áreas: ua-cam.com/video/2vPk3iACfX4/v-deo.html

[@insuficienciarenal160]

"Esta información vale millones", gracias.

[@CodigoMaquina]

Muchas gracias por tus palabras!!!

[@Aldotronix]

Aprendo mucho contigo, código máquina 🥺

[@CodigoMaquina]

@Aldotronix es justo lo que le da propósito al canal. Mucha suerte en tu camino de aprendizaje :)

[@arteculturayentretenimient6079]

Chévere

[@israelmg1749]

Saludos!

[@CodigoMaquina]

@israelmg1749 muchos saludos y muchas felicidades para el 2024!!!

[@ernestosantiesteban6333]

Muy bueno el video. Realmente no estaba muy enterado de deste tema. Me surgen dudas sobre cómo aplicar algoritmos de ML sobre este tipo de datos. El primer impulso que me da es transformarlo de nuevo al formato tabular extrayendo las características pero siento como que a lo mejor no es necesario...ya veré en los próximos videos

[@CodigoMaquina]

Hola @ernestosantiesteban6333 gracias por escribir en el canal. Al respecto, los grafos por sí solos, es decir, sin machine learning, tienen múltiples aplicaciones (aquí van algunos ejemplos que tenemos en el canal ua-cam.com/video/2vPk3iACfX4/v-deo.html). Sin embargo, existe un área llamada graph machine leaning que en verdad es muy interesante. Tal vez en algún momento haga un video sobre ese tema, mientras tanto, te recomiendo el siguiente blog huggingface.co/blog/intro-graphml.

[@ernestosantiesteban6333]

@@CodigoMaquina Muchas gracias por responder. Me informaré siguiendo estas fuentes para empezar. Espero que tu canal siga creciendo. Con tu crecimiento ganamos todos.

[@4mser]

Muchísimas gracias por el contenido. ¿Qué opinas de la Teoría Física de Grafos propuesta por Wolfram? Saludos y gracias nuevamente por tu tremendo aporte. Atento a los siguientes vídeos

[@CodigoMaquina]

@4mser gracias por seguir el contenido del canal. Con respecto a tu pregunta, no estaba al tanto de la teoría de Wolfram, pero sin duda en una oportunidad que tenga leeré un poco sobre ella. Feliz año!!!

[@juliocesargarciagarcia5083]

Tendrás un video con kmapper

[@CodigoMaquina]

Hola @juliocesargarciagarcia5083 lamentablemente no tengo un video del algoritmo Mapper, sin embargo, es un tema muy interesante y lo anotaré en la lista de videos por hacer. Feliz año!!!

[@JuanChavanne]

por favor la introduccion esta a un volumen excesivamente alta comparada con la del video

[@mtst5307]

Por videos como este ya me da flojera la universidad

[@CodigoMaquina]

@mtst5307 gracias por seguir el contenido del canal :)