Análisis y Disputa de Datos – Conceptos y ejemplos básicos en Python

Análisis y Disputas de Datos con Python   Data Wrangling / Disputa de Datos   ¿Cuál es el propósito de la disputa de datos? Data Wrangling es el proceso de convertir datos del formato inicial a un formato que puede ser mejor para el análisis. En el siguiente ejemplo. ¿Cuál es la tasa de consumo de combustible (L / 100k) para el automóvil diesel? Usaremos el “Automobile Data Set” del siguiente link: https://archive.ics.uci.edu/ml/machine-learning-databases/autos/imports-85.data Estaremos usando estos datos durante los siguientes posts. Importamos las librerias import pandas as pd import matplotlib.pylab…

Leer más

Flutter Arquitectura Limpia [4] – Descripción general de la capa de datos y modelos

Flutter Arquitectura Limpia [4] – Descripción general de la capa de datos y modelos   Si bien la capa de dominio es el centro seguro de una aplicación que es independiente de otras capas, la capa de datos es un lugar donde la aplicación se encuentra con el duro mundo exterior de las API y las bibliotecas de terceros. Consiste en fuentes de datos de bajo nivel, repositorios que son la única fuente de verdad para los datos y, finalmente, modelos. Debo aclarar que el contenido original es de Resocoder, …

Leer más

Flutter Arquitectura Limpia [3] – Refactorización de capa de dominio

flutterclean3

Flutter Arquitectura Limpia [3] – Refactorización de capa de dominio   Nuestra aplicación Number Trivia se está moviendo muy bien. En la parte anterior, creamos una entidad, un contrato de repositorio y el primer caso de uso: GetConcreteNumberTrivia utilizando un desarrollo basado en pruebas. Hoy, agregaremos otro caso de uso que descubrirá una buena oportunidad para refactorizar el código. Debo aclarar que el contenido original es de Resocoder,  lo que he hecho  es una traducción al español del contenido. Al final de este artículo está el video en inglés para que…

Leer más

Flutter Arquitectura Limpia [2] – Entidades y Casos de Uso

flutter arquitectura limpia 1

Flutter Arquitectura Limpia TDD [2] Entidades y Casos de Uso   En la primera parte, aprendió los conceptos centrales de la arquitectura limpia en lo que respecta a Flutter. También creamos un montón de carpetas vacías para las capas de presentación, dominio y datos dentro de la aplicación Number Trivia que estamos creando. Ahora es el momento de comenzar a llenar esas carpetas vacías con código, usando TDD, por supuesto.   Debo aclarar que el contenido original es de Resocoder,  lo que he hecho  es una traducción al español del…

Leer más

Flutter Arquitectura Limpia [1] – Explicación y Estructura

flutter arquitectura limpia 1

Flutter Arquitectura Limpia [1] – Explicación y Estructura Mantener su código limpio y probado son las dos prácticas de desarrollo más importantes. En Flutter, esto es aún más cierto que con otros marcos. Por un lado, es bueno hackear una aplicación rápida juntos, por otro lado, los proyectos más grandes comienzan a desmoronarse cuando mezclas la lógica de negocios en todas partes. Incluso los patrones de administración de estado como BLoC no son suficientes en sí mismos para permitir una base de código fácilmente extensible. Debo aclarar que el contenido…

Leer más

¿Cómo obtener experiencia en Ciencia de Datos antes de tu primer trabajo?

datascience

Como obtener experiencia en Ciencia de Datos antes de tu primer trabajo   Introducción La parte más difícil de una carrera de ciencia de datos es, sin duda, el comienzo. Obtener su primer rol en ciencia de datos no es poca cosa. Si no tiene las letras PhD después de su nombre, se vuelve aún más difícil. Si busca en Internet trabajos de ciencia de datos de nivel de entrada junior, lo más probable es que se sienta frustrado con los elevados requisitos asociados con casi todo lo que encuentre.…

Leer más

Transferencia de Estilo usando Redes Neuronales

Transferencia de Estilo

Transferencia de Estilo usando Redes Neuronales con Pytorch En este artículo vamos a recrear una transferencia de estilo la cual está definida en el paper, Image Style Transfer Using Convolutional Neural Networks, by Gatys usando PyTorch. En el paper, la transferencia de estilo usa los features encontrados en la red VGG de 19 capas, la cual son series comprimidas de capas convolucionales y algunas capas completamente conectadas. En la imagen de abajo las capas son nombradas por agrupación y su orden en el grupo. Conv_1_1 es la primera capa convolucional…

Leer más

Árboles de Decisión / Decision Trees

decision tree

Árboles de Decisión / Decision Trees ¿Qué es exactamente un árbol de decisión? ¿Cómo los usamos para ayudarnos a clasificar? ¿Cómo puedo hacer crecer mi propio árbol de decisión? Estas pueden ser algunas de las preguntas que tiene en mente al escuchar el término árbol de decisiones. Con suerte, pronto podrá responder estas preguntas y muchas más. Imagine que es un investigador médico que recopila datos para un estudio. Ya ha recopilado datos sobre un conjunto de pacientes que padecían la misma enfermedad. Durante su curso de tratamiento, cada paciente…

Leer más

Multietiquetas — Clasificación de Imágenes

Segmentación multietiquetas — Clasificación de Imágenes

Segmentación multietiquetas — Clasificación de Imágenes En este artículo veremos cómo descargar directamente un set de datos desde Kaggle y luego cómo subirlos para la participación en un concurso. El concurso de Kaggle con el cual trabajaremos en esta práctica será el siguiente: https://www.kaggle.com/c/planet-understanding-the-amazon-from-space Hasta ahora en las prácticas anteriores al momento de clasificar las imágenes solo pasábamos una etiqueta pero sabemos que no siempre es así, por esto, ahora aprenderémos a asignar más etiquetas a las imágenes. En el ejercicio de Kaggle notamos que son imágenes satelitales y cada imagen tiene más…

Leer más

Clasificación de Imágenes 2/2

clasficación de imágenes

Practical Deep Learning — Clasificación de imágenes — Parte 2 En la publicación anterior vimos cómo podemos entrenar un clasificador de imágenes. En esta publicación llevaremos nuestro clasificador a la producción, en la cuál subiremos una foto diferente de la base de datos y el modelo entrenado nos dirá la predicción más probable. Entrenaremos un modelo en el que subiremos nuestras propias imágenes. Iremos a images.google.com y buscaremos las fotos que queramos ingresar en nuestro modelo a entrenar. En mi caso yo voy a crear un identificador de felinos (leones,pumas,jaguares,leopardos, tigres, etc) Ahora para descargar…

Leer más