Visualización con Jupyter Notebook

Este proyecto demuestra el uso de Jupyter Notebook (Anaconda) para realizar visualizaciones y análisis de datos utilizando Python.

Herramientas utilizadas

• Python 3.x
• Jupyter Notebook (Anaconda)
• OpenAI
• Pandas
• NumPy
• Matplotlib
• Sklearn
• Seaborn
• Torch
• Torchmetrics
• Torchvision

Contenido

• Ejemplo de uso de OpenAI
• Visualización de listas en gráfica
• Modelado con regresión lineal y visualización
• Modelado con regresión logística y visualización
• Preparado de datos de datasets
• Árbol de decisión
• Random forest
• KMeans
• Naive Bayes
• SVM
• PyTorch
• Procesamiento y clasificación de imágenes

Dataset Regresión Logística - Titanic

El dataset utilizado para el modelo de regresión logística es el clásico conjunto de datos del Titanic, que contiene información sobre los pasajeros del barco, como:

• Edad
• Clase
• Género
• Supervivencia

🔗 Fuente del dataset:
Titanic Dataset en Kaggle

Dataset SVM - Wine

El dataset utilizado para la preparación de los datos con algoritmos de svm es el conjunto de datos de Wine, que contiene información sobre diferentes características de vinos, como:

• Alcohol
• Magnesio
• Alcalinidad
• Clase

🔗 Fuente del dataset:
Wine Dataset en Kaggle