隆Hola!
Bienvenida a esta secci贸n.
En esta secci贸n quiero compartir contigo el paso a paso de proyectos sencillos pero muy clarificadores para entender las t茅cnicas de Machine Learning de una forma directa y al grano... Como siempre 馃槈
隆Vamos a distrutar un ratito!
隆Hello!
Esta lecci贸n es de vital importancia si quieres trabajar con la ciencia de los datos.
Te voy a explicar lo m谩s importante para que entiendas la filosof铆a que hay detr谩s.
Vamos a transitar del lenguaje estad铆stico a la ciencia de los datos.
Entramos en los proyectos de ciencia de datos y empezamos con el clustering.
Me encanta este tipo de proyectos porque combina varios tipos de conceptos y son s煤per 煤tiles y relativamente f谩ciles de ejecutar.
Los pasos que seguir谩s son:
- Lectura de los datos
- El objetivo de Clustering
- Estandarizar las caracter铆sticas
- Aplicar las tres algoritmos de clustering
- Decidir qu茅 m茅todo de cluster es el m谩s interesante
- Calcular los descriptivos de los clusters
- Analizar por grupos - crear un clasificador con la ayuda de los clusters etc...
Te muestro un proyecto paso a paso desde cero aplicando clustering.
隆Adelante!
Ahora, es turno de trabajar con proyectos de clasificaci贸n binaria.
驴Preparado?
Los pasos en un proyecto de predicci贸n son:
- Preparar el problema: definir el objetivo, las variables y crear la partici贸n de datos.
- Preparar los datos, limpiarlos y transformarlos
- Estad铆sticos descriptivos de las caracter铆sticas (entradas en funci贸n de las clases)
- Evaluar los algoritmos predictivos
- Escoger los 2 o 3 mejores modelos
- Mejorar los modelos
- Finalizar el modelo: guardarlo y comprobar que funciona con m谩s datos
隆A practicar! 馃槈
Ahora, es turno de trabajar con proyectos de regresi贸n.
驴Preparado?
Los pasos en un proyecto de predicci贸n son:
- Preparar el problema: definir el objetivo, las variables y crear la partici贸n de datos.
- Preparar los datos, limpiarlos y transformarlos
- Estad铆sticos descriptivos de las caracter铆sticas (entradas en funci贸n de las clases)
- Evaluar los algoritmos predictivos
- Escoger los 2 o 3 mejores modelos
- Mejorar los modelos
- Finalizar el modelo: guardarlo y comprobar que funciona con m谩s datos
隆A practicar!
隆BIEEEN!
Ahora ya tienes mucho m谩s claro c贸mo aplicar Machine Learning paso a paso.
Es tu turno. Ahora te toca aplicarlo a tus proyectos.
隆A por ello!
