Artículos por salonso1602

  1. Bienvenido

    En el presente portfolio recopilaremos tanto contenido teórico y conceptual de la inteligencia artificial en las áreas de machine learning, como también la investigación y trabajo en casos particulares de forma de demostración.

    Se trabajará con herramientas como RapidMiner para desarrollos más gráficos del entrenamiento y aplicación de modelos, y …

  2. Intro Machine Learning

    ¿Qué es “Machine Learning”?

    Hacer una búsqueda rápida y listar al menos 3 definiciones de “Machine Learning” y responder: - ¿qué tiene en común y en qué se diferencia de “Inteligencia Artificial”? - ¿qué tiene en común y en qué se diferencia de “Análisis Estadístico”? - ¿Cómo se diferencia con Data Mining? - ¿en …

  3. Evaluación de Set "Wine"

    Este set contiene 14 variables químicas de vino hechos en una región de Italia, pero de 3 viñedos diferentes. Es un set bastante limpio sin datos faltantes.
    No presenta un problema como tal, sino que provee datos que nos permiten encontrar estructuras y consistencias entre los vinos de cada viñedo …

  4. Intro a Pandas

    Importamos librerias y datos de UCI

    import pandas as pd
    
    url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"
    
    column_names = ["sepal_length", "sepal_width", "petal_length", "petal_width", "class"]
    
    iris = pd.read_csv(url, names=column_names)
    

    "pandas" nos retorna un DataFrame, un tipo de dato nuevo con amplias funcionalidades y métodos que nos …

  5. Caso de estudio: Titanic en Python

    de Kaggle

    Introducción

    El dataset de supervivientes a la catástrofe de Titanic es un sujeto clásico para el ingreso al mundo de Machine Learning, casi el "Hola Mundo" del área. Este set tiene una amplia gama de datos diferentes con sus peculiaridades que lo hacen un conjunto variado y que …

  6. Intro a Sklearn

    En este ejercicio se practicará pre procesamiento de datos y recuperado por python

    1. Descargar el dataset “wine” del repositorio UCI y cargar el dataset en formato CSV.
    2. Imprimir todas las columnas de las primeras 10 filas.
    3. Convertir los valores numéricos en string a float, en caso de ser necesario
    4. Obtener …
  7. Algoritmo Linear Discriminant Analysis

    Análisis Discriminante Lineal es un algoritmo de machine learning que nos permite la clasificación multi-clase de datos, permitiendo la predicción de campos polinomiales.

    Características del modelo:

    Usos: Clasificación polinómica (categórica)
    Explicación Breve: Utiliza probabilidades de los atributos respecto el objetivo para predecir. Usa Bayes
    Cualidades:
    - Se asume distribuciones gaussianas de …

  8. Algoritmo Regresión Logística

    En el presente documento ejemplificaremos y revisaremos la aplicación de los algoritmos de regresión para la predicción de valores.

    Características del modelo:

    Usos: Clasificación Binaria (exclusivamente)
    Representación:
    Pelican
    Explicación Breve: Calcula la probabilidad, o chances, por medio de la función logística
    Cualidades: - Se asume relación lineal entre atributos y objetivo - Inestable …

  9. Investigación Caso: Academia de Deportistas

    Contexto

    El “Maestro”, convencido de su capacidad para vislumbrar estrellas deportivas, ha puesto una academia para ayudar a jóvenes deportistas a lograr su mayor desempeño. En esta academia, el Maestro se enfoca particularmente en cuatro deportes: Fútbol, Basketball, Voleibol y Rugby. Si bien ha visto que la mayoría de atletas …

  10. Investigación Caso: Marketing Banco Portugués

    En el presente trabajo revisaremos y desarrollaremos el caso propuesto en el dataset Bank Marketing de UCI, que se puede hallar aquí

    Introducción al Caso

    Contexto

    Una institución bancaria de Portugal registra el desempeño de una campaña de marketing por teléfono, donde se registra la información del cliente, su experiencia …

Página 1 / 2