Opcional: Entornos Virtuales – Giáo viên bot Yodo.im

Regresión Lineal

Introducción al Curso

Big Data y Spark con Python

Redes Neuronales

Redes Neuronales y Aprendizaje Profundo

Procesamiento de Lenguaje Natural

Sistemas de Recomendación

Análisis de Componentes Principales

Agrupamiento K-means

Máquinas de Vectores de Soporte

Árboles de Decisión y Bosques Aleatorios

K Vecinos Más Cercanos

Regresión Logística

Validación Cruzada y Compensación Sesgo-Varianza

Configuración del Entorno

0/1

Configuración del Entorno de Python

Introducción al Aprendizaje Automático

Proyecto Capstone de Datos

Python para Visualización de Datos – Trazado Geográfico

Python para Visualización de Datos – Plotly y Cufflinks

0/2

Introducción a Plotly y Cufflinks

¡LÉEME PRIMERO ANTES DE PLOTLY POR FAVOR!

Python para la Visualización de Datos – Visualización de Datos Integrada en Pandas

0/3

Visualización de Datos Integrada de Pandas

Ejercicio de Visualización de Datos con Pandas

Ejercicio de Visualización de Datos con Pandas – Soluciones

Python para Visualización de Datos – Seaborn

0/9

Introducción a Seaborn

Gráficos de Distribución

Gráficos categóricos

Gráficos de Matriz

Gráficas de Regresión

Descripción del Ejercicio de Seaborn

Soluciones de Ejercicios de Seaborn

Python para la Visualización de Datos – Matplotlib

0/7

¡Bienvenido a la Sección de Visualización de Datos!

Introducción a Matplotlib

Matplotlib Parte 1

Matplotlib Parte 2

Matplotlib Parte 3

Descripción general de ejercicios de Matplotlib

Ejercicios de Matplotlib – Soluciones

Python para el Análisis de Datos – Ejercicios de Pandas

0/5

Nota sobre el ejercicio de salario de SF

Descripción del Ejercicio de Salarios de SF

Soluciones Salariales SF

Descripción general del ejercicio de compras en comercio electrónico

Soluciones de Ejercicios de Compras en Comercio Electrónico

Python para el Análisis de Datos – Pandas

0/10

¡Bienvenido a la Sección de Pandas!

Introducción a Pandas

DataFrames – Parte 1

DataFrames – Parte 2

DataFrames – Parte 3

Datos faltantes

Fusionar, Unir y Concatenar

Entrada y salida de datos

Python para el Análisis de Datos – NumPy

0/8

¡Bienvenido a la sección de NumPy!

Introducción a NumPy

Arrays de NumPy

Nota rápida sobre la indexación de arreglos

Indexación de Arrays en NumPy

Operaciones de NumPy

Descripción general de ejercicios de NumPy

Soluciones de Ejercicios de NumPy

Curso Intensivo de Python

0/8

¡Bienvenido a la Sección de Curso Intensivo de Python!

Introducción al Curso Intensivo de Python

Curso Intensivo de Python – Parte 1

Curso Intensivo de Python – Parte 2

Curso Intensivo de Python – Parte 3

Curso Intensivo de Python – Parte 4

Ejercicios del Curso Intensivo de Python – Resumen

Ejercicios del Curso Intensivo de Python – Soluciones

Descripción general de Jupyter

0/3

Actualizaciones de Notebook Zip

Cuadernos Jupyter

Opcional: Entornos Virtuales

Curso de Python para Data Science y aprendizaje automático

About Lesson

1. Introducción a los entornos virtuales y su importancia en proyectos de Data Science.
2. Instalación y configuración de entornos virtuales con venv.
3. Uso de Anaconda para gestionar entornos virtuales
4. Creación y activación de un entorno virtual
5. Instalación de las bibliotecas necesarias en el entorno virtual.
6. Gestión de dependencias y creación del archivo requirements.txt
7. Desactivación y eliminación de entornos virtuales
8. Tarea práctica: creación y configuración de un entorno virtual para el proyecto.
9. Conclusión y recomendaciones sobre el uso de entornos virtuales en proyectos

0% Complete

This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.