Este repositorio contiene los proyectos desarrollados durante el curso "Data Science extremo con Numpy, Pandas, Matplotlib, Seaborn, Scikit Learn, Tensorflow, Machine Learning..." de Udemy. En estos proyectos se aplican diversas técnicas de análisis de datos, manipulación de estructuras, visualización y modelado predictivo.
El repositorio está organizado en diferentes carpetas, cada una correspondiente a un proyecto específico. Además, se incluye una carpeta Datasets, donde se encuentran los conjuntos de datos utilizados en los análisis.
- Pandas: Manipulación y análisis de datos estructurados
- Numpy: Operaciones con arrays y cálculos matemáticos
- Matplotlib: Creación de gráficos y visualizaciones
- Seaborn: Visualización de datos avanzadas
- Scikit-learn: Modelos de aprendizaje automático
- Scipy: Algoritmos de clustering jerárquico
- Q-Learning: Aprendizaje por refuerzo
- Plotly: Visualización interactiva de datos
- Dash: Creación de dashboards web interactivos
- Power BI: Tablero para visualización de datos
Análisis exploratorio de datos utilizando Pandas sobre medallas olímpicas, incluyendo carga, limpieza y procesamiento de datos para obtener información sobre los países más exitosos en los juegos.
Desarrollo de un programa que analiza datos de ventas mediante Pandas en una tienda, aplicando fusión de datos, limpieza y generación de reportes sobre los productos más vendidos y tendencias de ventas.
Manipulación de datos climáticos usando Numpy y Pandas, identificando datos faltantes, realizando cálculos estadísticos y exportando resultados en archivos CSV.
Creación de un programa interactivo para visualizar datos mediante Matplotlib meteorológicos mediante gráficos, permitiendo la selección de registros específicos según ubicación y fecha.
Generación de visualizaciones complejas con Seaborn y Matplotlib, explorando relaciones estadísticas y distribuciones en un conjunto de datos sobre diamantes.
Implementación de modelos de machine learning de Aprendizaje Supervisado con Scikit-Learn para predecir ventas, utilizando técnicas de preprocesamiento, selección de modelo y evaluación del rendimiento de predicciones.
Aplicación de algoritmos de Aprendizaje No Supervisado con Scikit-Learn utilizando clustering para segmentar clientes según sus características demográficas y comportamientos de compra, utilizando reducción de dimensiones y visualización de datos.
Desarrollo de un agente inteligente capaz de navegar un laberinto utilizando algoritmos de Aprendizaje por Refuerzo, evitando obstáculos y encontrando el camino óptimo hasta el objetivo.
Implementación de un sistema básico de gestión y análisis de datos de clientes, aplicando técnicas de anonimización, pseudonimización y balanceo de datos para garantizar la seguridad y equidad en los análisis.
Análisis y optimización de un modelo de Bosques Aleatorios utilizando un dataset de Scikit-Learn sobre registros médicos de pacientes con diabetes.
Desarrollo de un dashboard interactivo con Plotly y Dash para visualizar datos de terremotos proporcionados.
Este proyecto tiene como objetivo analizar un dataset con información sobre razas de perros.
Este proyecto tiene como objetivo actuar como el analista de una empresa que se cnuentra en pleno desarrollo e implementar Power BI para tomar decisiones informadas
Para ejecutar los proyectos, instala las librerías necesarias con:
pip install numpy pandas matplotlib seaborn scikit-learn scipy plotly dash