En la mayoría de ocasiones, después de hacer un cálculo, queremos mostrar de forma sencilla algún resultado de tal forma que cualquiera lo pueda visualizar. Sin embargo, a veces el resultado no es algo sencillo y queremos proporcionar herramientas para que otros puedan “juguetear” los datos y que vean actualizaciones

En el mundo de ciencia de datos, en Python son indispensables dos librerías que introducen las estructuras fundamentales para representar y manipular los datos: numpy con su array N-dimensional y pandas con su Series y DataFrame. Son la base de cualquier software científico y de análisis de datos, como SciPy

Hace ya unas semanas os hablábamos de como Pentaho Data Integration podía orquestar los procesos de Machine Learning (lo que llamábamos Machine Intelligence [https://todobi.com/machine-learning-con-pentaho/]) Hoy damos un paso más, y os contamos como hacer 'deep learning con Pentaho' En breve, Pentaho va a presentar una

El mundo real está lleno de sistemas, como aeropuertos y carreteras, que con frecuencia experimentan congestiones y retrasos. Cuando estos sistemas no están optimizados, su ineficiencia puede llevar a innumerables clientes descontentos y horas de tiempo perdido. En este tutorial, aprenderás a utilizar el marco de trabajo de simpy de

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 [https://jupyter.org/]/IPython notebooks destacables. No dudéis en añadir Table of Contents 1. Entire books or other large collections of notebooks on a topic [https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks#entire-books-or-other-large-collections-of-notebooks-on-a-topic] * Introductory Tutorials [https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks#

Este diagrama realizado con Xmind [https://www.xmind.net/m/WvfC/]es muy útil y clarificador

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!!