Scribd
Cargar
13 vistas2 páginas

Machine Learning Python Estudiantes Parte2

El documento introduce conceptos básicos de programación en Python, incluyendo variables, condicionales, bucles, listas, diccionarios y funciones. También cubre herramientas como Numpy y Pandas para trabajar con datos, así como Matplotlib para la visualización de datos. Finalmente, se presentan los fundamentos del Machine Learning, incluyendo la preparación de datos y el aprendizaje supervisado con ejemplos de regresión lineal y K-Nearest Neighbors.

Cargado por

Danelys
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
13 vistas2 páginas

Machine Learning Python Estudiantes Parte2

El documento introduce conceptos básicos de programación en Python, incluyendo variables, condicionales, bucles, listas, diccionarios y funciones. También cubre herramientas como Numpy y Pandas para trabajar con datos, así como Matplotlib para la visualización de datos. Finalmente, se presentan los fundamentos del Machine Learning, incluyendo la preparación de datos y el aprendizaje supervisado con ejemplos de regresión lineal y K-Nearest Neighbors.

Cargado por

Danelys
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Machine Learning con Python para estudiantes de 12 a 16 años

6. Conceptos Básicos de Programación en Python

- Variables: Lugares para guardar información. Ej: nombre = 'Ana'

- Condicionales: Tomar decisiones. Ej: if edad > 12:

- Bucles: Repetir cosas. Ej: for i in range(5):

- Listas: Conjuntos ordenados. Ej: frutas = ['manzana', 'pera']

- Diccionarios: Datos con claves. Ej: persona = {'nombre': 'Ana', 'edad': 13}

- Funciones: Bloques de código que hacen algo. Ej: def saludar(): print('Hola')

7. Numpy y Pandas: Trabajando con Datos

Numpy se usa para trabajar con números y matrices. Pandas para manejar tablas de datos.

- Numpy: permite hacer cálculos rápidos.

- Pandas: permite leer archivos Excel o CSV y analizarlos fácilmente.

8. Visualización de Datos con Matplotlib

Matplotlib es una herramienta para hacer gráficos. Puedes crear gráficos de líneas, barras, tortas, etc.

Ejemplo:

import matplotlib.pyplot as plt

plt.plot([1, 2, 3], [4, 5, 6])

plt.show()

9. Primeros pasos con Machine Learning

Antes de entrenar un modelo necesitamos:

- Datos de entrada (features) y datos de salida (etiquetas o resultados)

- Dividir los datos en entrenamiento y prueba.

Página 1
Machine Learning con Python para estudiantes de 12 a 16 años

- Elegir un modelo para entrenar.

10. Aprendizaje Supervisado: Clasificación

- Regresión Lineal: predecir números, como la altura a partir de la edad.

- K-Nearest Neighbors (KNN): clasificar según los vecinos más cercanos. Si 3 de 5 vecinos son gatos,

entonces es un gato.

Página 2

También podría gustarte