Horario de Clases

Tutoriales de Python

• Tutoriales de Python
• Introducción a Python
• Entrada a Python
• Sintaxis de Python
• Comentarios de Python
• Variables de Python
• Tipos de datos de Python
• Números en Python
• Casting de Python
• Cadenas de Python
• Booleano de Python
• Operadores de Python
• Listas de Python
• Tuplas de Python
• Conjuntos de Python
• Diccionarios de Python
• If Else en Python
• Bucle While de Python
• Bucle For de Python
• Funciones de Python
• Lambda de Python
• Arreglos de Python
• Clases/Objetos en Python
• Herencia de Python
• Iteración de Python
• Alcance de Python
• Módulos de Python
• Fechas de Python
• JSON de Python
• RegEx de Python
• PIP de Python
• Try Except de Python
• Entrada de Comandos en Python
• Formateo de cadenas de Python

Manejo de Archivos

• Abrir archivo de Python
• Leer archivo de Python
• Escribir/Crear Archivo en Python
• Eliminar archivo de Python

Python NumPy

• Introducción a NumPy
• Entrada a NumPy
• Creación de matrices de NumPy
• Índice de matrices de NumPy
• Recorte de matrices de NumPy
• Tipos de datos de NumPy
• Copias/Visualizaciones de NumPy
• Forma de matrices de NumPy
• Reestructuración de matrices de NumPy
• Iteración de matrices de NumPy
• Conexión de matrices de NumPy
• División de matrices de NumPy
• Búsqueda de matrices de NumPy
• Ordenamiento de matrices de NumPy
• Filtrado de matrices de NumPy
• Aleatorio de NumPy
• ufuncs de NumPy

Aprendizaje Automático

• Introducción
• Modo de mediana promedio
• Desviación Estándar
• Porcentiles
• Distribución de Datos
• Distribución de Datos Normales
• Gráficos de Dispersión
• Regresión Lineal
• Regresión Polinómica
• Regresión Multivariada
• Escalado
• Entrenamiento/Pruebas
• Árbol de Decisiones

Python MySQL

• MySQL入门
• MySQL Create Database
• MySQL Create Table
• MySQL Insert
• MySQL Select
• Donde
• Ordenar MySQL
• Eliminar MySQL
• Eliminar tabla MySQL
• Actualizar MySQL
• Límite de MySQL
• Unión de MySQL

Python MongoDB

• Entrada a MongoDB
• Crear base de datos MongoDB
• Crear colección MongoDB
• Insertar MongoDB
• Buscar MongoDB
• Consulta MongoDB
• Ordenar MongoDB
• Eliminar MongoDB
• Eliminar colección de MongoDB
• Actualizar MongoDB
• Límite de MongoDB

Manual de referencia de Python

• Resumen de referencia de Python
• Funciones integradas de Python
• Métodos de cadena de Python
• Métodos de lista de Python
• Métodos de diccionario de Python
• Métodos de tupla de Python
• Métodos de conjunto de Python
• Métodos de archivo de Python
• Palabras clave de Python

Manual de referencia de módulos

• Módulo aleatorio
• Módulo de solicitud

Python How To

• Eliminación de elementos repetidos de la lista
• Inversión de cadena

Ejemplo de Python

• Ejemplo de Python
• Prueba de Python

Cursos optativos

Recomendaciones de cursos:

• Caja de herramientas de CodeW3C.com

El aprendizaje automático permite que las computadoras aprendan de datos de investigación y estadísticas.

El aprendizaje automático es un paso hacia la dirección de la inteligencia artificial (IA).

El aprendizaje automático es un programa que puede analizar datos y aprender a predecir resultados.

¿Dónde comenzar?

En este tutorial, volveremos a la matemática y estudiaremos la estadística, así como cómo calcular valores importantes basados en el conjunto de datos.

También aprenderemos a usar varios módulos de Python para obtener las respuestas necesarias.

Además, aprenderemos a escribir funciones que puedan predecir resultados basadas en lo que hemos aprendido.

Conjunto de datos

En la computadora, un conjunto de datos se refiere a cualquier colección de datos. Puede ser cualquier contenido desde un array hasta una base de datos completa.

Ejemplo de array:

[99,86,87,88,111,86,103,87,94,78,77,85,86]

Ejemplo de base de datos:

Al examinar el array, podemos suponer que el promedio puede estar alrededor de 80 o 90, y también podemos determinar el valor máximo y mínimo, pero ¿qué más podemos hacer?

Al ver la base de datos, podemos ver que el color más popular es el blanco, la antigüedad del vehículo más antiguo es de 17 años, pero ¿qué pasa si solo viendo otros valores podemos predecir si un automóvil tiene AutoPass?

¡Eso es el objetivo del aprendizaje automático! Analizar datos y predecir resultados!

En el aprendizaje automático, se utilizan generalmente conjuntos de datos muy grandes. En este tutorial, intentaremos que entiendas lo más fácilmente posible los diferentes conceptos del aprendizaje automático y utilizaremos algunos conjuntos de datos pequeños y fáciles de entender.

Tipos de datos

Para analizar datos, es muy importante entender el tipo de datos con el que estamos trabajando.

Podemos clasificar los tipos de datos en tres categorías principales:

• Numérico
• Cualitativo
• Ordinal

Datos numéricosSon números que se pueden dividir en dos categorías de valores:

Datos discretos (Discrete Data)

- Números limitados a enteros. Por ejemplo: el número de autos que pasan.

Datos continuos (Continuous Data)

- Números con valores infinitos. Por ejemplo: el precio de un producto o el tamaño de un producto.

Datos cualitativosSon valores que no se pueden medir entre sí. Por ejemplo: valores de color o cualquier valor sí/no.

Datos ordinalSimilares a los datos cualitativos, pero pueden ser medidos entre sí. Ejemplo: Las calificaciones escolares de A son mejores que las de B, y así sucesivamente.

Al conocer los tipos de datos de la fuente de datos, puedes saber qué técnicas usar al analizar los datos.

En el siguiente capítulo, aprenderás más sobre estadísticas y análisis de datos.

Caixa de ferramentas

Manual de referencia de Python

Ejemplo de Python

Prueba de Python

Enlaces de patrocinadores