Aprender los conceptos clave
Curso Completo de Machine Learning con Scikit-learn para Principiantes
Tipos de Aprendizaje en Machine Learning: Supervisado, No Supervisado y por Refuerzo
Problemas de Clasificación, Regresión y Clustering con Scikit-learn
Fundamentos Matemáticos para Machine Learning Avanzado
Iniciar un proyecto con sklearn
Configuración Profesional de Entorno de Trabajo para Python
Instalación y configuración de librerías para Python
Análisis de Datos para el Bienestar y la Felicidad Humana
Optimización de features
Selección de Variables en Modelos de Aprendizaje Automático
Reducción de Dimensionalidad con Análisis de Componentes Principales
Reducción de Dimensionalidad y Regresión Logística con Python
Clasificación de Enfermedad Cardiaca con PCA y Regresión Logística
Funciones Kernel en la Clasificación de Datos Complejos
Regularización en Modelos de Machine Learning
Implementación de Regularización en Modelos de Regresión Lineal
Análisis de Resultados en Modelos de Regresión Ridge y Lasso
Regularización ElasticNet con Scikit-learn: Conceptos y Aplicación
Regresiones robustas
Identificación de Valores Atípicos en Datos para Modelos Predictivos
Técnicas de Regresión Robusta: RANSAC y Huber en Scikit-Learn
Regresión Lineal y Soporte Vectorial: Manejo de Datos Atípicos
Automatización de Modelos de Predicción en Python
Métodos de ensamble aplicados a clasificación
Métodos de Ensamble: Bagging y Boosting en Machine Learning
Implementación de Bagging Classifier con SAIC en Análisis Cardiaco
Métodos de Ensamble para Mejorar Clasificación en Machine Learning
Implementación de Gradient Boosting para Clasificación de Datos
Clustering
Agrupamiento de Datos en Aprendizaje No Supervisado
Agrupamiento de Caramelos con K-Means y Pandas
Agrupamiento de Datos con Algoritmo Mean Shift
Optimización paramétrica
Validación Cruzada en Modelos de Machine Learning
Validación Cruzada con Scikit-learn: Cruz Vales Cor y KFold
Optimización de Modelos con Búsqueda en Grilla y Aleatoria
Automatización de Parámetros en Modelos de Regresión con Random Forest
Optimización Automática de Modelos con Auto-sklearn
Salida a producción
Estructuración Modular de Código Python para Machine Learning
Automatización de Modelos Machine Learning con Python
Publicación de Modelos de IA con Flask y Python
Optimización de Modelos de Machine Learning para Producción
Recursos para Aprender Machine Learning y Data Science
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 34
Preguntas 3
les dejo un truquito:
pueden crear un archivo llamado: requirements.txt
y dentro ponen todo lo que necesitan de la siguiente manera(el nombre de las librerias):
numpy
scipy
joblib
pandas
matplotlib
scikit-learn
y en su ambiente virtual ejecutan el siguiente comando:
pip install -r requirements.txt
Y así ya tienen en un archivo con los requerimientos de su proyecto y pueden ir agregando las librerías que necesiten y solo ejecutar un comando 😃
Soy el único que siente que el profesor transmite mucha confianza a la hora de hablar?
Pasos para instalar librerías
<h1>Instalación de librerías</h1>instalación de librerías que vamos a usar en el proyecto en el entorno de trabajo
python-m pip install numpypython -m pip install scipypython -m pip install joblibpython -m pip install pandaspython -m pip install matplotlibpython -m pip install scikit-learnEntrar al entorno de python desde el cmd python
Importar la libreria import sklearn
imprimir la versión que estamos trabajando print(sklearn.__version__)
las librerias usadas son: numpy, scipy, pandas, matplotlib y scikit-learn
en anaconda podemos usar conda list para ver las librerias isntaladas y si usamos conda install anaconda se instalan todas las librerias automaticamente y otras mas que son utiles
yo voy a usar google colab
Cuando se crean ambientes virtuales “entorno” como lo llamo Ariel, también, se conoce como (.env, .venv y venv); todas las dependencias que se instalan se hacen en el ambiente virtual, por lo que si haces pip freeze podrás visualizar todas las librerias instaladas en el proyecto!
ATENCIÓN: Para que esto funcione, tenemos que estar atentos de que el ambiente virtual este activado
.venv\Scripts\activate.bat en Windows
y
source .venv/bin/activate en Linux y MacOS
Otra forma para conocer las versiones instaladas es escribiendo
pip freeze
Por si quieren instalar todas la bibliotecas con un solo comando:
Una vez instaladas todas las librerías podemos saber cómo quedó conformado nuestro entorno utilizando el siguiente comando:
<py -m pip freeze>
Este comando nos da un listado de todas las versiones de las librerías en el formato para armar el archivo requirements.txt
contourpy1.0.7
cycler0.11.0
fonttools4.39.0
joblib1.2.0
kiwisolver1.4.4
matplotlib3.7.1
numpy1.24.2
packaging23.0
pandas1.5.3
Pillow9.4.0
pyparsing3.0.9
python-dateutil2.8.2
pytz2022.7.1
scikit-learn1.2.2
scipy1.10.1
six1.16.0
threadpoolctl==3.1.0
Mas información sobre entornos virtuales e instalación de librerías de python en el Curso de Python Intermedio en la sección de Entorno virtual. Además, aprenderás a registrar las librerías instaladas en tu entorno en un archivo (requeriments.txt) para compartir tu proyecto o subirlo a producción.
Existen distintas alternativas para el uso de scikit.-learn, uno de ellas es Google Colab, les dejo el link por si quieren conocer más al respecto:
Nota: Para salir del Shell de Python después de comprobar la versión de Python como lo muestra en el video, se sale con exit() y enter.
Otra forma de comprobar que este instalado correctamente y la versión de la biblioteca es con el comando: python -m pip show Nombre_Del Paquete
Y para comprobar o simplemente listar los paquetes de nuestro entorno virtual es con: pip freeze , o con: pip list
En caso de que al intentar hacer el
import sklearn
dentro del shell de python les de el siguiente error:
RuntimeError: The current Numpy installation (PATH) fails to pass a sanity check due to a bug in the windows runtime.
La solución momentanea es instalar la versión 1.19.3 de numpy.
python -m pip install numpy==1.19.3
Que buena clase!!!
La instalación de librerías en Python se realiza utilizando administradores de paquetes como pip, condau otros, dependiendo del entorno y las necesidades de su proyecto. A continuación, te mostraré cómo instalar librerías utilizando pipy conda.
Además de pipy conda, algunos paquetes pueden tener instaladores específicos o pueden requerir compilación. En ese caso, consulte la documentación específica del paquete.
Recuerda que es una buena práctica instalar las librerías en un entorno virtual para evitar conflictos y mantener tu espacio global de Python limpio.
Con pip list pueden saber todo lo que tienen instalado en el entorno.
Pip freeze para ver todas las librerias y versiones que tienen instaladas
Ya había usado python con anterioridad, el problema es que no tenía actualizados los paquetes, por ejemplo utilicé:
python -m pip install --upgrade numpy
Perfecto todo listo!
Se puede usar anaconda como entorno de desarrollo de ML, ya viene con todas las librerías necesarias y con VS code.
Recuerden para salir del entorno con Python escribir:
**- exit()
librerias ```bash python -m pip install numpy python -m pip install scipy python -m pip install joblib python -m pip install pandas python -m pip install matplotlib ##instalamos scikit learn python -m pip install scikit-learn ```
python -m pip install numpy
python -m pip install scipy
python -m pip install joblib
python -m pip install pandas
python -m pip install matplotlib
##instalamos scikit learn
python -m pip install scikit-learn
A pesar de que me gustan manear ambientes en conda y PIP , yo por el momento voy a usar google colap, solo porque muchas de las librerias necesarias ya estan instaladas dentro entonces me ahorro esos minutos.
pd. el profesor lo explica muy bien y facil de entener pero recuerden que ya hay 2 cursos en la linea de estudio de ciencia e ingenieria de datos enfocada en este tema, les recomiendo verla por si no la han visto.
Ariel Ortiz que genail describiste Pandas te felicito explicas muy bien
Para verificar librerías instaladas:
pip freeze
o también
pip list
para verificar todas las librerias instaladas y versiones de las mismas pueden usar el comando
pip list
no se asusten si aparecen librerias que no installaron son de cuando matplotlib
me pone noqa: f401
Gran explicación
Si tienen algún problema con pip intenten con
pip install --upgrade pip --trusted-host pypi.org --trusted-host files.pythonhosted.org
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?