De verdad haces un trabajo de enseñanza que se aprecia muchísimo. Apenas hace dos meses empece un curso de Machine Learning pero la clase es muy intensa y hay temas que no llego a comprender, pero con tus videos me ha quedado mucho mas claro. Muchas felicidades y gracias nuevamente!!!!
Gracias por la explicacion detallada Profesor sobre el paso a paso en el analisis EDA! A primera deberia ser algo obvio que las mujeres tienen la mayor tasa de supervivencia ya que es una maxima en toda embarcacion que esta zozobrando dar prioridad a mujeres y ninos primeros en ocupar los botes salvavidas pero claro esta con el uso del Dataset se esta demostrando estadistica y visualmente con el uso de Python el cumpplimiento de esa maxima. Saludos
Vengo siguiendo tus videos y la verdad que la forma de expresarte de forma clara y concisa ante un tema de mucha duda para gente iniciándose en este mundo y que no sabe que ruta seguir, es impresionante. Te deseo lo mejor y que sigas mejorando porque la verdad el canal me encanta
Excelente video y lo que se viene junto con lo curso no se queda por fuera. Seria bueno ver la realizacion de esta clase de analisis a nivel practico. Gracias por darnos esta clase de conocimiento todas las semanas.
Muy bueno. Además de Analizar los outliers y usar alguno algoritmo como MISE para valores faltantes, también agregaría algún PCA robusto y Análisis de correspondencia multivariado.
Hola Adrián, gracias por tu comentario. Sí, MICE viene en un próximo video. Y tomo nota de PCA y análisis de correspondencia para un próximo video, buena sugerencia. Un saludo!
Dentro de mi formación acabo de encontrar tu canal, que buen material tienes. Excelente contenido. Una única observación, me registré pero el enlace para el video no me llega nada relacionado al material que dispones en el video
Consulta Como recomendas evaluar un articulo de parte de un cliente, usando datos históricos de su compra? Trato de hacer un recomendador de articulos con maquinas de soporte vectorial
Muy buen video, interesante. Por cierto, ¿es posible usar el gráfico de barras apiladas para saber si una variable categórica es o no relevante para el modelo? Gracias.
Para mi este tema si que es complejo y es uno de aquellos donde se puede ver el seniority del analista. 1. Muchas veces los pasos no se tienen tan claros como se menciona, a veces no se sabe incluso si los datos que se tienen servirán o no para el propósito. 2. el tema de mirar mediana(mas robusto ante outliers), y lo de los cuartiles en el fondo lo que queremos es tener una idea de la "distribución" de los datos a un nivel intuitivo pero también estadístico, a partir de allí podemos ver si y tal vez podemos proponer una "hipótesis" sobre dicha distribución(normal, poisson ..etc) . 4. Super importante que resaltar un error de novato y al interpretar un scatterplot y es entender "casualidad" como "causalidad". Es decir , tener una alta correlacion(coeficiente de pearson) no significa que deba existir una relaciona de dependencia entre las variables. 5. En los diagramas de correlacion recordar nuevamente que por defecto se tiende a usar coeficiente de correlacion de pearson, pero este solo mide el grado de correlacion LINEAL. En caso de tener otro tipo de relaciones este no es buena idea. Recomiendo revisar otros como el de spearman.
Hola, hasta ahora empecé con este video, hablo por mi, no se si tengas videos donde expliques como hacer lo que explicas acá en Python...por otro lado sería bueno un poco más detallada la explicación como a dummies jejeje quizá mas ejemplos...pero de resto súper exclente
Cómo podríamos hacer este análisis exploratorio con datasets de más de 50 columnas? Se recomienda hacer el análisis a cada una de las 50? o hay algún método para depurarlas antes? Gracias!
Hola Rubén. Envíame un mensaje a codificandobits.com/contacto y a vuelta de correo te envío las guías. Creo que hay un problema temporal con las descargas. Un saludo!
Un pequeño reto extra. Creen que en el dataset Titanic se pueda generar un modelo con un accuracy decente donde se prediga si la persona sobrevive o no, usando tan solo la variable nombre del pasajero?.
🔥🔥Academia Online: codificandobits.com 🔥🔥
🔥🔥Asesorías y formación personalizada: codificandobits.com/servicios 🔥🔥
Buenisima explicacion como siempre en todo los videos muchas 🎉gracias
Que gran vídeo. Lo felicito.
Explicación clara y ordenada! Excelente!
Excelente explicación, de eso se trata para los que apenas empezamos, aprender de quienes ya han probado y no reinventar la rueda
Gracias por la explicación de un EDA, muy didáctico.
Muchas gracias. Excelente ritmo y contenido. Mantiene la atención y minimiza la disperción. Saludos!
Muy bien explicado, un suscriptor nuevo!!
De verdad haces un trabajo de enseñanza que se aprecia muchísimo. Apenas hace dos meses empece un curso de Machine Learning pero la clase es muy intensa y hay temas que no llego a comprender, pero con tus videos me ha quedado mucho mas claro. Muchas felicidades y gracias nuevamente!!!!
Te amo man, explicas de una manera fácil de entenderc:
muchísimas gracias, se aprecia la forma en que explicas.
Bueno..bueno. Muy concreto y excelente explicación.
El análisis exploratorio para series temporales sería genial. Gracias por el aporte.
Hola Angélica, sí. Precisamente los próximos videos del canal están relacionado con las series de tiempo. Un saludo!
Gracias por esa explicación, me pareció efectiva.
Gracias por la explicacion detallada Profesor sobre el paso a paso en el analisis EDA! A primera deberia ser algo obvio que las mujeres tienen la mayor tasa de supervivencia ya que es una maxima en toda embarcacion que esta zozobrando dar prioridad a mujeres y ninos primeros en ocupar los botes salvavidas pero claro esta con el uso del Dataset se esta demostrando estadistica y visualmente con el uso de Python el cumpplimiento de esa maxima. Saludos
Excelente resumen Profesor, muchas gracias por su aportes. Son muy explícitos y definitivamente ayudan a nuestros aprendizajes.
:) :) gracias por tu comentario. Un saludo!
Vengo siguiendo tus videos y la verdad que la forma de expresarte de forma clara y concisa ante un tema de mucha duda para gente iniciándose en este mundo y que no sabe que ruta seguir, es impresionante. Te deseo lo mejor y que sigas mejorando porque la verdad el canal me encanta
Gracias por tu comentario Iván y me alegra que te resulte útil el contenido. Un saludo!
Mil gracias, si conocen el tema, excelente aporte
Excelente explicación y material. Gracias!
Que bien explicado, ¡muchas gracias!
Muchas gracais y preciso la información
Muchas gracias! muy prolijo el video!
Muchas gracias por el vídeo. Esta muy claro . Esperaremos el vídeo de series de tiempo. Gracias.Saludios
Gracias por tu comentario. Un saludo!
Excelente video, muy bien explicado y me gustaría saber como es el análisis exploratorio para series de tiempo
Excelente video y lo que se viene junto con lo curso no se queda por fuera.
Seria bueno ver la realizacion de esta clase de analisis a nivel practico.
Gracias por darnos esta clase de conocimiento todas las semanas.
Gracias por tu comentario Luis. Un saludo!
muy bueno tus videos gracias por tu dedicación saludos
Espero tus próximos videos!
Excelente explicación! Gracias
Gracias por tu comentario Joshua. Un saludo!
Me encanto el video. Me gustaría que hagas un video sobre analisis sobre datos no estructurado y series de tiempoos
Muy buen vídeo y muy bien explicado
Muy bueno. Además de Analizar los outliers y usar alguno algoritmo como MISE para valores faltantes, también agregaría algún PCA robusto y Análisis de correspondencia multivariado.
Hola Adrián, gracias por tu comentario. Sí, MICE viene en un próximo video. Y tomo nota de PCA y análisis de correspondencia para un próximo video, buena sugerencia. Un saludo!
Excelente video.
Muchas gracias!!
Dentro de mi formación acabo de encontrar tu canal, que buen material tienes. Excelente contenido.
Una única observación, me registré pero el enlace para el video no me llega nada relacionado al material que dispones en el video
Excelente. Si pudieras compartir bibliografía para profundizar te agradeceríamos mucho.
Muy buena explicación. Sería bueno el mismo video pero para análisis de datos no estructurados. Saludos
Buena explicación, espero el video de outliers y tratamiento de datos faltantes. Saludos
Claro que sí Armando, vienen en camino. Un saludo!
Hola, buen vídeo. Si puedes hacer otro similar de un proceso etl serán genial. Gracias
❤ muy bueno
Consulta
Como recomendas evaluar un articulo de parte de un cliente, usando datos históricos de su compra?
Trato de hacer un recomendador de articulos con maquinas de soporte vectorial
Muy buen video, interesante. Por cierto, ¿es posible usar el gráfico de barras apiladas para saber si una variable categórica es o no relevante para el modelo? Gracias.
muy bueno
me encantó, gracias
Para mi este tema si que es complejo y es uno de aquellos donde se puede ver el seniority del analista.
1. Muchas veces los pasos no se tienen tan claros como se menciona, a veces no se sabe incluso si los datos que se tienen servirán o no para el propósito.
2. el tema de mirar mediana(mas robusto ante outliers), y lo de los cuartiles en el fondo lo que queremos es tener una idea de la "distribución" de los datos a un nivel intuitivo pero también estadístico, a partir de allí podemos ver si y tal vez podemos proponer una "hipótesis" sobre dicha distribución(normal, poisson ..etc) .
4. Super importante que resaltar un error de novato y al interpretar un scatterplot y es entender "casualidad" como "causalidad". Es decir , tener una alta correlacion(coeficiente de pearson) no significa que deba existir una relaciona de dependencia entre las variables.
5. En los diagramas de correlacion recordar nuevamente que por defecto se tiende a usar coeficiente de correlacion de pearson, pero este solo mide el grado de correlacion LINEAL. En caso de tener otro tipo de relaciones este no es buena idea. Recomiendo revisar otros como el de spearman.
Wow... muchas gracias por tus observaciones Johan. Gran complemento a lo mencionado en el video. Un saludo!
Dónde puedo descargar la guía mencionada en el min 0:55?
www.codificandobits.com/blog/analisis-exploratorio-de-datos/
Un saludo!
@@codificandobitsBuenas tardes,
No me llega el correo con los enlaces.
como mensionas en el video , estaría bueno un video enfocado para serie temporales
Qué manera tan diafana de explicar! Nuevo subscriptor
:) :) :) bienvenido al canal!
que desafíos se daría al aplicarlo ¿?
Hola, hasta ahora empecé con este video, hablo por mi, no se si tengas videos donde expliques como hacer lo que explicas acá en Python...por otro lado sería bueno un poco más detallada la explicación como a dummies jejeje quizá mas ejemplos...pero de resto súper exclente
Hola Daniel. Gracias por tu sugerencia. En un próximo video haré entonces un tutorial en Python sobre el tema. Un saludo!
Cómo podríamos hacer este análisis exploratorio con datasets de más de 50 columnas? Se recomienda hacer el análisis a cada una de las 50? o hay algún método para depurarlas antes? Gracias!
Excelente video. No encontré, ¿ dónde descargar el documento que se menciona en el video ?
www.codificandobits.com/blog/analisis-exploratorio-de-datos/
Un saludo!
No puedo descargar la guia, por que ya estoy suscrito al news letter. Como hago para obtenerla?
Tantas clases de estadisticas y cursos invertidos para que un men en 13 minutos me explicara mejor, más sencillo y conciso.
Muchas gracias por el contenido.
No me llega el correo ¿Alguien tuvo la misma situación?
Hola Rubén. Envíame un mensaje a codificandobits.com/contacto y a vuelta de correo te envío las guías. Creo que hay un problema temporal con las descargas. Un saludo!
Un pequeño reto extra. Creen que en el dataset Titanic se pueda generar un modelo con un accuracy decente donde se prediga si la persona sobrevive o no, usando tan solo la variable nombre del pasajero?.
Ummm... me atrevo a decir que no sería tan preciso, pues creo que no existiría un patrón al analizar el nombre. Un saludo!
Un tema muy importante y muchas veces poco valorado.
Tal cual. Un saludo!
Muchas gracias! excelente video.