Excelente explicación, muchas gracias Octavio!!!

Muy buen video y explicación. Mil gracias!!!

por que si altero un dato en una fecha cualquier , desproporcionado por ejemplo 180 bebes nacidos en X dia, marca error?? entendi que lo que tendria que hacer es suavisar ese dato muy atipico no?, tambien lo hize con otro dato cercabo 80 y no genera el promedio, te agradecere sus comanterios para entender bien el tema. excelente video

Magistral, si antes sentía pasión por este tema, ahora por 1000. Gran maestro.

Thanks!

ya termine de ver todo el video, ajams habia visto tu canal, obviamente eres un cientifico de datos ultra senior, pero lo que estas dejando aqui en youtube es un legado alucinante y servira por varias decadas posiblemente, yo recien estoy aprendiendo a programar, la verdad no tengo palabras para todo lo que acabo de ver es como si realmente te importaramos, tienes un don para la docencia increible, y bueno es obvio que no entienda todo esto, porque esto es una cpa del conocimiento muy alta , y justamente que simplificaras tanto pero sin caer en se runa mera divulgacion como otros canales, sino que realmente te da fundamentos para lo que sigue , eso es un eslavon invaluable la verdad, ya me callo 😅 esque estoy sorprendido!.

enverdad eres una maquina porque sabes mucho!, de hecho debes ser un t-1000 de skynet , enviado del futuro, por eso te lo sabes toditito 😅🤣😂🤣😂

Grande Dante 🐶

yo estoy tratando de hacer una red neuronal con arduino, por ejemplo ingreso la ecuacion de una recta y=A*x+b , los datos de salida a averiguar son pendiente A , ordenada al origen b = sesgo , y los datos de entrada son la variable (x) y el resutado (y) , no tiene que dar la pendiente y la ordenada al origen , yo ingreso (x) como una rampa y se genera(y) , atravez de la funcion sigmoide en interacciones sucesivas luego haciendo y*(1-y)

Que pasa si mis datos estan en el medio de lo que aparece en pearson y sperman, que deberia hacer no es completamente sperman pero tampoco pearson

EXCELENTISIMO...!!!, , Lo felicito.

uta que explica y muestras los resultados increíble 🫢🎉

maldito loko ❤

Podrias hacer un video sobre adaline y imitation learning

Feliz Navidad Octavio. Muchísimas gracias por tu trabajo, dedicación y buen hacer. Es un placer seguir tus lecciones.

muy bueno, +1 suscriptor

Muchas gracias excelente explicación 😊

Excelente explicación acompañada de gráficos muy ilustrativos, como en todos tus videos. Muchas gracias.

Hola, buenas tardes. Hay un problema cuando haces el bootstrap, ya que en el for, estás usando la población en lugar de la muestra principal para realizar el re-muestreo, lo cual contradice el principio fundamental del proceso, que tu mismo señalaste en la explicación: El re-muestreo se hace a partir de la muestra (de allí se sacan los datos de las nuevas muestras con el mismo tamaño de la muestra principal) y no de la población. Tu código es este: muestras = np.array([]) num_muestras = 1000 for m in range(num_muestras): muestras = np.append(muestras, np.random.choice(califs, tamano_muestra, replace = True)) muestras = muestras.reshape(-1, tamano_muestra) muestras.shape, muestras En la línea 5 se ve claramente que el lugar de donde extraes los datos del vector muestras es de "califs" que es la población. El código debería de ser este: muestras = np.array([]) num_muestras = 1000 for m in range(num_muestras): muestras = np.append(muestras, np.random.choice(muestra_principal, tamano_muestra, replace = True)) muestras = muestras.reshape(-1, tamano_muestra) muestras.shape, muestras He consultado y me di cuenta que la muestra principal si debe de ser representativa de los datos, porque sino es así lo obtenido en el bootstrap tendrá el sesgo que provenga de la elección de una mala muestra.

buenisimo video! muchas gracias por tu explicación

Muchas gracias, Maestro por aca partiendo desde cero (0)

Qué hermosa presentación, ¿qué programas utilizas?

Tienes una facilidad para explicar conceptos de forma sencilla qué realmente impresiona.

muy claro y explicacion exelente

Es un gran incentivo tu canal. Muchas Gracias.

Excelente tu canal ❤

Magnífica explicación y magnífico canal. Pocas personas me he encontrado con una capacidad docente tan excelente. Muchas gracias por compartir tus conocimientos de un modo tan didáctico.

Excelente información

el mejor video que he visto acerca de este tema

La mejor explicación que he visto sobre este tema ... Excelente contenido..

Un cordial saludo desde Bogotá (Colombia). Excelente video. Tengo una pequeña inquietud. ¿Es posible recuperar el vector de distancias que genera el modelo knn y además determinar exactamente cuál es el vecino más cercano a un punto dado ? Mil gracias.

Holaaa, me encantó el video, me gustaría saber cómo configurarías las distintas versiones de python para cada ambiente como lo planteaste en un inicio. Saludos c:

Hola, excelente explicación y canal, muchas gracias. Un favor, en las ligas que compartes no encuentre el archivo con las instrucciones para poder practicarlas ¿Puedes compartir la liga que lleve directo al archivo o el nombre exacto del archivo? Mil gracias...

Gracias por el vídeo, muy bien explicado 👍

No se puede explicar mejor. Gracias

Por muchos videos que veo suyos, no dejo de sorprenderme de su "don" para explicar las cosas. Muchísimas gracias.

Muy bien explicado

😀Excelente. Muchas gracias.

👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en www.xiperia.com

Excelente material maestro, muchas gracias

Gracias tutor

la ver me alegra mucho y me gusto mucho tu explicacion clara y con ejemplos practicos <3 pero sinceramente yo esperaba que a la hora de explicar el codigo para crear redes neuronales nos enseñaras con librerias para poder crearlas.

Gracias Goku

Es increible lo mucho que he aprendido viendo este canal, ademas de que me ha hecho recordar cosas que no recordaba que sabia, la mayoria de todos estos conceptoos de estadistica los he visto en mi carrera (Fisica). A pesar de que analizaba datos experimentales y eso no es sino hasta hace un tiempo para aca que con lo que veo en la universidad y lo que complemento aca que se meha abierto el cerebro jejejejeje

muy buena explicación, muchas gracias

Este hombre tiene el don de la enseñanza.

Genio

suscrito

Soporte: cuantas veces sucede la regla Confianza: cuantas veces aparece el consecuente en cuando el antecedente está presente Lift: cuantas veces sucede la regla respecto al valor que esperaríamos si la regla sucede por mera aletoriedad.

Yo leyendo en la miniatura "Regresión Cuántica" 🤯🤯🤯. Buen video como siempre 🎉