En este documento estudiaremos posibles campos de actuación de algunos algoritmos de Machine Learning (ML). Buscamos estudiar la implementación de los algoritmos en Vertica y la librería Vertica-ML-Python con casos sencillos y comprobamos su rendimiento con las implementaciones en Python y R. Enumeremos los algoritmos ML disponibles en Vertica: 1.

En esta página tenéis una colección de Jupyter/IPython notebooks destacables. No dudéis en añadir Table of ContentsEntire books or other large collections of notebooks on a topicIntroductory TutorialsProgramming and Computer ScienceStatistics, Machine Learning and Data ScienceMathematics, Physics, Chemistry, BiologyEarth Science and Geo-Spatial dataLinguistics and Text MiningSignal ProcessingEngineering EducationScientific computing

Este diagrama realizado con Xmind es muy útil y clarificador

Hace ya unas semanas os hablábamos de como Pentaho Data Integration podía orquestar los procesos de Machine Learning (lo que llamábamos Machine Intelligence ) Hoy damos un paso más, y os contamos como hacer 'deep learning con Pentaho' En breve, Pentaho va a presentar una evolución de Pentaho Machine Intelligence . 

Que mejor forma que aprender de Machine Learning, con algunas de las tecnologías mas potentes y completas, que mediante la realización de un buen ejercicio práctico. Podéis seguir el tutorial práctico en el video y también utilizar la presentación. Esperamos que os sea útil!!

Tenéis a vuestra disposición un paper con funciones avanzadas de Vertica para Machine Learning . Descárgalo Funciones de Vertica para el Machine Learning. Ya vienen con Vertica, por lo que: i), no requieren programación ni instalación,  ii), son más eficientes que otras opciones como la integración con Python/Pandas, 

Se trata de una plataforma Python para Data Science de caracter Enterprise para aquellos que necesiten un buen soporte y funcionalidades empresariales, aunque también dispone de código Open Source  y muchos componentes  para usar