Curso de machine learning 2026 - Curso ML 2026 #4 | carga, exploración y preparación de datos

En este live vamos a trabajar el flujo completo de un proyecto de Machine Learning, desde la ejecución del código hasta la exploración y comprensión de los datos, usando Python, Jupyter Notebooks y Google Colab. Comenzaremos configurando el entorno de trabajo en Google Colab, entendiendo qué es un runtime, cómo se ejecuta el código en la nube y cómo interactuar correctamente con celdas de texto y código. Veremos buenas prácticas al trabajar con notebooks: orden de ejecución, guardado de cambios, manejo de errores comunes y los riesgos de la interactividad. Luego nos enfocaremos en la carga automática de datos, descargando un dataset real desde una fuente externa, descomprimiéndolo y cargándolo en un DataFrame de Pandas, explicando cada paso del proceso y por qué es importante automatizar la obtención de datos en proyectos reales. A partir de ahí entraremos en la exploración inicial de los datos (EDA): estructura del dataset, tipos de variables, valores faltantes, atributos categóricos y numéricos, estadísticas descriptivas, y visualización mediante histogramas y gráficos geográficos. Analizaremos escalas, distribuciones sesgadas y valores truncados, entendiendo cómo estos detalles impactan un modelo de Machine Learning. También abordaremos uno de los puntos más críticos y comúnmente ignorados: la creación correcta del conjunto de entrenamiento y prueba, revisando muestreo aleatorio, problemas de reproducibilidad, uso de identificadores estables y muestreo estratificado para evitar sesgos en la evaluación del modelo. Finalmente exploraremos correlaciones entre variables, visualización de relaciones, limitaciones de la correlación lineal y la creación de features derivadas para mejorar la capacidad predictiva del modelo, discutiendo riesgos como la colinealidad. Temas clave: Python, Google Colab, Jupyter Notebooks, Pandas, Machine Learning, EDA, carga de datos, visualización, train test split, muestreo estratificado, correlación, feature engineering. Material de apoyo: Leer los siguientes temas del capitulo 2 del libro Hands-On Machine Learning with Scikit-Learn and PyTorch - Aurélien Géron * Get the Data - Running the Code Examples Using Google Colab - Saving Your Code Changes and Your Data - The Power and Danger of Interactivity - Book Code Versus Notebook Code - Download the Data - Take a Quick Look at the Data Structure - Create a Test Set * Explore and Visualize the Data to Gain Insights - Visualizing Geographical Data - Look for Correlations - Experiment with Attribute Combinations Episodio Spotify de apoyo: EN PROCESO 🔗 Suscripciones 👉 https://www.youtube.com/cha.../UCpqqJGMaVEmyinn1J-DhnYg/join 💬 Discord 👉 https://discord.com/users/pildorasdeprogramacion 📸 Instagram 👉 https://www.instagram.com/pildoras_de_programacion/ 🎵 TikTok 👉 https://www.tiktok.com/@pil_programacion?lang=en 📘 Facebook 👉 https://www.facebook.com/pilprogramacion 📺 YouTube 👉 https://www.youtube.com/@pildorasdeprogramacion 🔔 ¡Suscríbete y activa la campanita para no perderte futuros lives! 🔴 ¡Nos vemos en el live! 🚀🐳