Course Hive
Search

Welcome

Sign in or create your account

Continue with Google
or
Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python
Play lesson

Inteligencia Artificial y Machine Learning | Python - Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python

¡Domina la Inteligencia Artificial y Machine Learning con Python! Aprende desde los fundamentos hasta técnicas avanzadas, optimiza modelos, identifica patrones y sácale provecho a tus datos con Código Máquina. ¡Conviértete en un experto en IA hoy!

5.0 (1)
14 learners

What you'll learn

Desarrollar habilidades para implementar modelos de Machine Learning usando Python.
Analizar y optimizar algoritmos de redes neuronales artificiales paso a paso.
Evaluar modelos de clasificación mediante métricas como precisión y área bajo la curva ROC.
Aplicar técnicas avanzadas de procesamiento de datos, como imputación y normalización.

This course includes

  • 27.5 hours of video
  • Certificate of completion
  • Access on mobile and TV

Summary

Keywords

Full Transcript

Para citar este recurso educativo utiliza la siguiente referencia: Gutiérrez-García, J.O. [Código Máquina]. (2022, 13 de Junio). Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python [Video]. YouTube. [Incluye aquí la URL del video] 👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado. 🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn https://www.linkedin.com/in/octaviogutierrez/ Para guiar tu aprendizaje, en este vínculo (https://youtu.be/lomJnbN5Wnk) se encuentra una guía secuencial para aprender: 1. Programación Básica con Python; 2. Manejo de Datos; 3. Visualización de Datos; 4. Análisis de Datos; y 5. Aprendizaje de Máquina y Ciencia de Datos. ******************************************** Este video explica cómo estimar o imputar valores faltantes utilizando K-Vecinos más Cercanos (K-Nearest Neighbors - KNN) a partir de múltiples columnas cuyos valores son conocidos. Índice del Video: 0:00 Qué es la Imputación de valores faltantes 8:16 KNN para imputación con scikit-learn 12:36 Not a Number (NaN) para indicar valores faltantes 15:27 Uso de KNN Imputer 20:50 Comparación de técnicas de imputación ⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias. ⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI: https://www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln El código del video está disponible en GitHub https://github.com/CodigoMaquina/code #cienciadedatos #datascience #machinelearning #aprendizajedemaquina #analisisdedatos #python

Course Hive

Continue this lesson in the app

Install CourseHive on Android or iOS to keep learning while you move.

Related Courses

FAQs

Course Hive
Download CourseHive
Keep learning anywhere