Este repositorio contiene proyectos, notebooks y ejemplos en el área de machine learning y ciencia de datos. Está diseñado como un recurso de aprendizaje práctico para aquellos interesados en explorar desde técnicas de preprocesamiento de datos hasta algoritmos avanzados de aprendizaje automático.
- Preprocesamiento de Datos: Ejemplos de limpieza, transformación y normalización de datos.
- Análisis Exploratorio de Datos (EDA): Notebooks que demuestran cómo explorar y visualizar datos para obtener insights iniciales.
- Algoritmos de Machine Learning: Implementaciones de modelos comunes, como regresión lineal, árboles de decisión, clustering, redes neuronales, entre otros.
- Proyectos de Ciencia de Datos: Casos de estudio que aplican el flujo completo de análisis de datos, desde la adquisición y preprocesamiento hasta la evaluación de modelos.
- Visualización de Datos: Ejemplos de cómo utilizar bibliotecas de visualización para interpretar resultados de manera efectiva.
- Python: Lenguaje principal para la implementación de algoritmos y manipulación de datos.
- Bibliotecas de Ciencia de Datos:
Pandas,NumPy,Matplotlib,Seaborn,Scikit-Learn, yTensorFlow/Keraspara proyectos que involucran redes neuronales. - Jupyter Notebooks: Para la presentación y documentación de análisis y experimentos de forma interactiva.
- Necesitaras tener instalado Python en tu computadora (Recomiendo que sea la v3.10) 😎
- Necesitaras instalar los requerimientos, ejecuta:
pip install -r requirements.txt
- Disfruta 🥳