Ciencia de datos: resolución de ecuaciones lineales

Prerrequisito: Introducción a la ciencia de datos: Habilidades requeridas El álgebra lineal es una parte muy fundamental de la ciencia de datos. Cuando se habla de ciencia de datos, la representación de datos se convierte en un aspecto importante de la ciencia de datos. Los datos se representan generalmente en forma de array. La segunda … Continue reading «Ciencia de datos: resolución de ecuaciones lineales»

Optimización Multivariada – Gradiente y Hessian

En un problema de optimización multivariante, existen múltiples variables que actúan como variables de decisión en el problema de optimización. z = f(x 1 , x 2 , x 3 …  ..x norte ) Entonces, cuando observa este tipo de problemas, una función general z podría ser una función no lineal de las variables de decisión … Continue reading «Optimización Multivariada – Gradiente y Hessian»

Principales tendencias en la industria del centro de datos

¡Facebook tiene enormes cantidades de datos, incluidas tus imágenes también! Amazon recopila todos sus datos relacionados con sus compras. ¡Google puede incluso tener tus datos de ubicación actuales! Del mismo modo, todas las demás grandes empresas tecnológicas como Microsoft, Apple, Yahoo, etc. tienen un gran depósito de datos. Pero, ¿dónde almacenan estos datos? Bueno, ahí … Continue reading «Principales tendencias en la industria del centro de datos»

Las 7 principales aplicaciones de la ciencia de datos en los negocios

Data Science es una subparte de Big Data que se ha caracterizado por la velocidad (de conjuntos de datos que alcanzaron alturas sin precedentes), variedad (de conjuntos de datos que se pueden recopilar y entregar en un solo formato) y volumen (de conjuntos de datos que están aumentando masivamente con épocas de cambios). Esto permite … Continue reading «Las 7 principales aplicaciones de la ciencia de datos en los negocios»

Método TOPSIS para la Toma de Decisiones de Criterios Múltiples (MCDM) – Part 1

La técnica de preferencia de orden por similitud con la solución ideal (TOPSIS) surgió en la década de 1980 como un método de toma de decisiones basado en criterios múltiples. TOPSIS elige la alternativa de menor distancia euclidiana a la solución ideal y mayor distancia a la solución ideal negativa.  Para facilitar esta definición, supongamos … Continue reading «Método TOPSIS para la Toma de Decisiones de Criterios Múltiples (MCDM) – Part 1»

Diferentes fases de agrupamiento proyectado en análisis de datos

En este artículo, vamos a discutir en detalle las diferentes fases del agrupamiento proyectado en el análisis de datos. Tres fases para el agrupamiento proyectado: Fase de inicialización Fase Iterativa Fase de Refinamiento Estos se explican a continuación a continuación. 1. Fase de inicialización: esta fase consta de dos pasos para seleccionar el superconjunto. En … Continue reading «Diferentes fases de agrupamiento proyectado en análisis de datos»

Las mejores herramientas y tecnologías para la ciencia de datos

La ciencia de datos ha jugado un papel vital en casi todas las industrias hoy en día, ya sea que lo llame para tomar decisiones comerciales o planificar o pronosticar el futuro. Todo cae bajo la tecnología y las tendencias con las que avanzamos. Estamos en 2022, un mundo lleno de la era digital, y … Continue reading «Las mejores herramientas y tecnologías para la ciencia de datos»

Método TOPSIS para la Toma de Decisiones de Criterios Múltiples (MCDM)

La técnica de preferencia de orden por similitud con la solución ideal (TOPSIS) surgió en la década de 1980 como un método de toma de decisiones basado en criterios múltiples. TOPSIS elige la alternativa de menor distancia euclidiana a la solución ideal y mayor distancia a la solución ideal negativa.  Para facilitar esta definición, supongamos … Continue reading «Método TOPSIS para la Toma de Decisiones de Criterios Múltiples (MCDM)»

Uso de Google Cloud Function para generar datos para el modelo de Machine Learning

Requisito previo: implementar la función de nube en Google Cloud Platform ¿Buscas datos para entrenar tu modelo en línea? ¿Qué pasa si le decimos que puede generar sus propios datos en solo unas pocas líneas de código? Todo lo que necesita es una cuenta de Google Cloud Platform y saber cómo implementar un código simple … Continue reading «Uso de Google Cloud Function para generar datos para el modelo de Machine Learning»

Modifique la array Numpy para almacenar una string de longitud arbitraria

NumPy se basa en (y es un sucesor) del exitoso objeto de array Numeric. Su objetivo es crear la piedra angular de un entorno útil para la computación científica. NumPy proporciona dos objetos fundamentales: un objeto de array N-dimensional (ndarray) y un objeto de función universal (ufunc). El dtype de cualquier array numpy que contenga … Continue reading «Modifique la array Numpy para almacenar una string de longitud arbitraria»