Data Science Tutoriales
La Ciencia de Datos proporciona un plan de estudios integral para aspirantes a científicos de datos y analistas. Nuestros tutoriales cubren análisis estadístico, aprendizaje automático y visualización de datos, adecuados tanto para principiantes como para aprendices intermedios. A través de laboratorios interactivos y ejercicios de codificación prácticos, obtendrás experiencia práctica con conjuntos de datos del mundo real. Nuestro entorno de ciencia de datos te permite aplicar tus habilidades en un entorno en línea dinámico.
Otros Árboles de Habilidades
Tipos de Datos Avanzados en PostgreSQL
En este laboratorio, explorarás los tipos de datos avanzados de PostgreSQL, centrándote en JSON/JSONB, arrays y UUIDs. Aprenderás a almacenar, consultar y manipular datos dentro de estos tipos. El laboratorio cubre el almacenamiento y la consulta de JSON/JSONB, la creación de columnas de array y el uso de UUIDs como identificadores.
PostgreSQL
Explicación de los clasificadores de Análisis Discriminante
El Análisis Discriminante Lineal y Cuadrático (LDA y QDA) son dos clasificadores clásicos utilizados en el aprendizaje automático. El LDA utiliza una superficie de decisión lineal, mientras que el QDA utiliza una superficie de decisión cuadrática. Estos clasificadores son populares porque tienen soluciones en forma cerrada, funcionan bien en la práctica y no tienen hiperparámetros que ajustar.
Machine Learningscikit-learn
Aprendizaje Supervisado con Scikit-Learn
En el aprendizaje supervisado, queremos aprender la relación entre dos conjuntos de datos: los datos observados X y una variable externa y que queremos predecir.
Machine Learningscikit-learn
Explorando conjuntos de datos y estimadores de Scikit-Learn
En este laboratorio, exploraremos el entorno y el objeto estimador en Scikit-Learn, una popular biblioteca de aprendizaje automático en Python. Aprenderemos sobre los conjuntos de datos, que se representan como matrices bidimensionales, y cómo preprocesarlos para Scikit-Learn. También exploraremos el concepto de objetos estimadores, que se utilizan para aprender a partir de datos y hacer predicciones.
Machine Learningscikit-learn
Regresión Kernel Ridge
En este laboratorio, aprenderemos sobre la regresión Kernel Ridge (KRR) y su implementación usando la biblioteca scikit - learn en Python. La KRR combina la regresión ridge con el truco del kernel para aprender una función lineal en el espacio inducido por el kernel. Es un método de regresión no lineal que puede manejar relaciones no lineales entre las variables de entrada y salida.
Machine Learningscikit-learn
Selección de modelos: Elegir estimadores y sus parámetros
En el aprendizaje automático, la selección de modelos es el proceso de elegir el mejor modelo para un conjunto de datos dado. Consiste en seleccionar el estimador adecuado y ajustar sus parámetros para alcanzar un rendimiento óptimo. Este tutorial te guiará a través del proceso de selección de modelos en scikit-learn.
Machine Learningscikit-learn
Modelos lineales en Scikit-Learn
En este laboratorio, exploraremos los modelos lineales en scikit-learn. Los modelos lineales son un conjunto de métodos utilizados para tareas de regresión y clasificación. Asumen que la variable objetivo es una combinación lineal de las características. Estos modelos se utilizan ampliamente en el aprendizaje automático debido a su simplicidad y interpretabilidad.
Machine Learningscikit-learn
Control de símbolos y combinación de submódulos
Comprende la complejidad de la importación de paquetes, controla los símbolos exportados con `__all__`, exporta todo desde el paquete y divide módulos para una mejor organización del código en Python.
Python
Aprende sobre Generadores Gestionados
Entiende los generadores de Python, crea un programador de tareas (task scheduler) con ellos, prueba el programador de tareas, construye un servidor de red y implementa un servidor de eco (echo server) para aprender sobre generadores gestionados.
Python
Cómo se representan los objetos
Aprende cómo se representan los objetos en Python. Crea una clase de acciones simple, explora los diccionarios internos de los objetos, agrega y modifica atributos, y entiende las relaciones entre clases e instancias.
Python
Uso práctico de la herencia
Entiende el problema, crea una clase base y modifica la función de impresión, implementa un formateador concreto, crea formateadores adicionales y construye una función fábrica para aprender la herencia práctica en Python.
Python
Explorando el modelo de memoria de los objetos de primera clase en Python
Comprende los objetos de primera clase en Python, crea una función de utilidad para el procesamiento de archivos CSV, explora el modelo de memoria de Python y aprende sobre el almacenamiento de datos orientado a columnas para explorar el modelo de memoria de los objetos de primera clase en Python.
Python
Definir una clase simple
Agregar un método de venta a la clase Stock, leer una cartera desde un archivo CSV y formatear e imprimir los datos de la cartera en Python.
Python
Atributos Privados y Propiedades
Implementa atributos privados, convierte métodos en propiedades, implementa la validación de propiedades, usa __slots__ para la optimización de memoria y concilia la validación de tipos con variables de clase en Python.
Python
Redefinición de métodos especiales
Mejora la representación de objetos utilizando `__repr__`, haz que los objetos sean comparables con `__eq__` y crea un gestor de contexto (context manager) redefiniendo métodos especiales en Python.
Python
Crear un nuevo tipo primitivo
Crea una clase básica MutInt, mejora su representación en cadena, agrega operaciones matemáticas y de comparación, e implementa conversiones de tipos para crear un nuevo tipo primitivo en Python.
Python
Crear un contenedor personalizado
Comprender la asignación de memoria de listas y diccionarios, optimizar la memoria con datos orientados a columnas, crear una clase de contenedor personalizada y mejorarla para el rebanado (slicing) en Python.
Python
Itera como un profesional
Domina la iteración básica y el desempaquetado de secuencias, utiliza las funciones enumerate() y zip(), y aprende expresiones generadoras para mejorar la eficiencia de memoria en Python.
Python
- Anterior
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 233
- Siguiente