Yo obtuve los siguientes resultados usando el kernel = poly: 50% de datos para entrenamiento, 49.38 segundos, 96.5% de precisión. 75% de los datos para entrenamiento, 96.78 segundos, 97.34% de precisión.
Ese cambio de haber usado más datos de entrenamiento cambia bastante los resultados a veces. En este caso, ya estaba bastante bien. Pero a veces sube como 60% a 90% con eso.
@@j1nchuika Estoy preparando una red neuronal de regresión para pronosticar el coeficiente de fricción y el ángulo de cohesión de los suelos. Con esos parámetros se puede calcular la resistencia al cortante de los suelos. Lo que pasa es que no conozco muy bien la tecnología de las Redes Neuronales y en la capa de salida, la necesito con dos neuronas, una para cada parámetro.
excelente explicación Master, pero tengo una duda, porque en esta parte del codigo: pixeles = df.iloc[:,1:785] # x , no se escribio mejor: pixeles = df.iloc[:,1:786] # x, para que la columna 785 estuviera incluida, o este: pixeles = df.iloc[:,1: ] # x, para se incluyeran las columnas del 1 hasta el final ?. Espero su respuesta, y felicidades estoy siguiendo todo el curso.
Ahora que lo dices, creo que sí la mejor forma era pixeles = df.iloc[:,1: ] así se iba desde el 1 hasta donde encuentre más columnas. Buena observación ahí
Entrenamiento terminado en 110.06758046150208 , con una DEll 960, 8 gb ram, procesador Intel(R) Core(TM)2 Quad CPU Q9400 @ 2.66GHz 2.66 GHz, este procesador tiene 4 nucleos, y tengo una GPU NVIDIA GeForce GT 710. que tiene 2gb de memoria. Saludos.
Saludo ingeniero, quisiera saber si usted presta asesoria a persona o estudiantes que esten estudiando inteligencia artificial, si la repuesta es si, pues me deja una via de contacto para comunicarme con usted.
@@jerope4375 a penas le hace cosquillas a tu procesador jaja. Existen parámetros que puedes cambiar para que use más procesador en paralelo, pero también suelen ser limitaciones de de SK Learn
Gracias por este aporte Luis!!
Un gusto!
Profe muchas gracias la verdad muy bien explicado seria genial que actualizaras contenido a 2024.
Creo que el otro año voy a regresar a dar clases. Espero poder volver a subir las clases!
Muy buena metodología de enseñanza profesor Luis Contreras, felicitaciones y siga su avance.
Gracias!! un gusto
Excelente contenido profe. Saludos!
Gracias!!
primero que nada excelente curso, voy en la clase 5, y el entrenamiento duro 118 segundos con 21,000 registros
Qué gusto que ya vayas por aquí
Hola profe saludos desde Bogotá
Yo obtuve los siguientes resultados usando el kernel = poly: 50% de datos para entrenamiento, 49.38 segundos, 96.5% de precisión.
75% de los datos para entrenamiento, 96.78 segundos, 97.34% de precisión.
Ese cambio de haber usado más datos de entrenamiento cambia bastante los resultados a veces. En este caso, ya estaba bastante bien. Pero a veces sube como 60% a 90% con eso.
@@j1nchuika Estoy preparando una red neuronal de regresión para pronosticar el coeficiente de fricción y el ángulo de cohesión de los suelos. Con esos parámetros se puede calcular la resistencia al cortante de los suelos. Lo que pasa es que no conozco muy bien la tecnología de las Redes Neuronales y en la capa de salida, la necesito con dos neuronas, una para cada parámetro.
excelente. felicitaciones
Gracias!
Gracias
vi que comentaste en varios videos, me alegra ver que seguiste
excelente explicación Master, pero tengo una duda, porque en esta parte del codigo: pixeles = df.iloc[:,1:785] # x , no se escribio mejor: pixeles = df.iloc[:,1:786] # x, para que la columna 785 estuviera incluida, o este: pixeles = df.iloc[:,1: ] # x, para se incluyeran las columnas del 1 hasta el final ?. Espero su respuesta, y felicidades estoy siguiendo todo el curso.
Ahora que lo dices, creo que sí la mejor forma era
pixeles = df.iloc[:,1: ]
así se iba desde el 1 hasta donde encuentre más columnas. Buena observación ahí
Si tengo un Ryzen 5 5600g y 20 de ram por que 4 están destinados al APU, puedo hacer estos ejercicios? O algunos otros de ciencias de datos?
Claro, es más que suficiente
@@j1nchuika muchas gracias. Acabo de actualizar a ese kit. Tenía otra placa y un 3 3200g.
Como puedo encontrar la página donde estan los archivos o me tengo q suscribir,quiero aprender mas porfavor me pasan link o nombre
Claro, aquí está github.com/jinchuika/ai-22
Entrenamiento terminado en 110.06758046150208 , con una DEll 960, 8 gb ram, procesador Intel(R) Core(TM)2 Quad CPU Q9400 @ 2.66GHz 2.66 GHz, este procesador tiene 4 nucleos, y tengo una GPU NVIDIA GeForce GT 710. que tiene 2gb de memoria. Saludos.
Buenos números, lo bueno es que no es tanto tiempo para todo el procesamiento que se está haciendo
Saludo ingeniero, quisiera saber si usted presta asesoria a persona o estudiantes que esten estudiando inteligencia artificial, si la repuesta es si, pues me deja una via de contacto para comunicarme con usted.
Buenas! mi correo está en mi página web jinchuika.com/es/about/ :D
33 s en la predicción, pero mi CPU no sube del 4%...es un I9 14700 nosequémás...debería ser un pepino, pero no se esfuerza, el cabrXn!!
@@jerope4375 a penas le hace cosquillas a tu procesador jaja. Existen parámetros que puedes cambiar para que use más procesador en paralelo, pero también suelen ser limitaciones de de SK Learn