A2 Capacitacion

1.- Intro y Primeros Pasos

2.- Operaciones Básicas

3.- Métodos de Diccionario

4.- Comparaciones de Diccionario

5.- Ejemplo

6.- Comprensión de Diccionarios

7.- Conjuntos

1.- Intro

2.- Arreglos de Datos

3.- Atributos del Arreglo

4.- Creando Arreglos desde Rangos

5.- Timeit

6.- Operaciones con Arreglos

7.-Cálculos con Arreglos Estadísticos

8.- Indexar y Cortar

9.- Transponer

10.- Pandas - Series

11.- Pandas - DataFrames

1.- Introducción

2.- Tipos de Presentación

3.- Alineación y Espacios

4.- Formato Númerico

5.- Concatenar Cadenas que se Repiten

6.- Quitar espacios en blanco

7.- Mayúsculas y Comparación

8.- Búsquedas en cadenas

9.- Búsqueda y Reemplazo dentro de Python

10.- Separar y Unir

11.- Expresiones Regulares

12.- Sub y Split

13.- Búsquedas con Expresiones Regulares

14.- Expresiones Regulares con Pandas

1.- Intro e importación de datos

2.- Operaciones con Datos

3.- BuscarV o Merge

4.- Tablas Dinámicas

1.- Introducción

2.- Escribir a txt - sentencia With-

3.- Leer de Txt

4.- Modifiar Archivos de Python

5.- Manejo de Errores

6.- Leer CSV

7.- Pandas con CSV

1.- Web Scraping

1.- POO INTRO

2.- Metodos y Clases

3.- La cuenta personal

4.- La clase Personal

5.- Polimorfimos

6.- Data Science - Modelos de Regresión Lineal

1.- Intro

2.- Fibonacci

3.- Serie Geometrica

4.- Factorial

5.- Búsqueda Lineal

6.- Ordenamiento por selección

1.- Intro

2.- Instalando TextBlob

3.- Crear un TextBlob

4.- Tokenizar

5.- Parte del habla y Noun Phrases

6.- Análisis de Sentimientos

7.- Lenguaje y Traducción

8.- Pluralizar y Singularizar

9.- Correcciones Ortográficas

10.- Contar Frecuencias de palabras

11.- Sinonimos y Antonimos

12.- Stop Words

13.- Spacy

1.- Intro a Machine Learning

2.- Intro al caso de estudio - K Vecinos más cercanos

3.- Clasificación - Cargar el Dataset

4.- Clasificación - Visualizar el Dataset

5.- Clasificación - Separar el dataset

6.- Clasificación - Crear el Modelo

7.- Clasificación - Entrenar el Modelo

8.- Clasificación - Predecir clases de dígitos

9.- Clasificación 2 - Métricas para la exactitud del Modelo

10.- Clasificación 2 - Validación Cruzada con K-Fold

11.- Clasificación 2 - Varios Modelos Hasta dar con el Bueno

12.- Clasificación Ajustar - Hiperparámetros

13.- Regresión Lineal - Reglin Sencilla

14.- Regresión Lineal 2 - Cargar el Dataset

15.- Regresión Lineal 2 - Explorar los datos

16.- Regresión Lineal 2 - Visualizar los Datos

17.- Regresión Lineal 2 - Separar los Datos

18.- Regresión Lineal 2 - Hacer el modelo

19.- Regresión Lineal 2 - Probar el modelo

20.- Regresión Lineal 2 - Visualizar los resultados

21.- Regresión Lineal 2 - Métricas del Modelo

22.- Regresión Lineal 2 - Escoger el mejor Modelo

23.- Aprendizaje no Supervisado - Reducción de dimensiones - Parte 1

24.- Aprendizaje no Supervisado - Reducción de dimensiones - Parte 2

25.- K-Means Clustering - Introducción

26.- K-Means Clustering - Cargar el Dataset

27.- K-Means Clustering - Explorar el Dataset

28.- K-Means Clustering - Visualizar el dataset

29.- K-Means Clustering - Usar el kmeans estimador

30.- K-Means Clustering - Visualizar los datos

31.- K-Means Clustering - Escoger el mejor

1.- Intro

2.- Redes Neuronales

3.- Tensores

4.- Comenzando con MNIST

5.- Cargar el Dataset

6.- Explorar nuestros Datos

7.- Preparar los datos

8.- Crear la red neuronal

9.- Entrenar y Evaluar el modelo

10.- Intro a IMDB

11.- Cargar los Datos

12.- Exploración de Datos

13.- Preparar los Datos

14.- Entrenar y Evaluar el modelo

15.- Entrenar y Evaluar el modelo

Obtén tu certificado