Workflow Típico de un Data Scientist

Clase 15 de 30 • Curso de Big Data y Ciencia de Datos 2016

Resumen

¿Cuál es la probabilidad que un tweet que viene de Colombia contiene la palabra yo?

1. El primer paso es formular muy bien la pregunta
2. Una vez definida esta pregunta debemos recopilar datos
3. Una vez tengamos los datos debemos limpiarlos.

Recuerda:
La ambigüedad no va bien con las computadoras

JOHN ALEXANDER PARADA CASTRO

student•

Falta mas explicación para seguir el ejemplo.

Jesús Maximiliano Manchuk

student•

Muy de acuerdo con esto.

Marco Antonio Burquez Romero

student•

muy de acuerdo también

Dante Rodrigo Méndez Pérez

student•

Aquí registran su app para obtener las credenciales: https://apps.twitter.com

Fernando Torres

student•

Aquí deben registrar sus datos:

rusbel bermúdez rivera

student•

despumes de registrar tus datos que sigue?

rusbel bermúdez rivera

student•

por primer vez, sentí incompleta una clase, se necesitan más pasos a mi opinion

RONALD MAURICIO GELVEZ RUIZ

student•

Por favor actualizar esta clase, los archivos me toco buscarlos en los comentarios y falta claridad

Juan Carlos Hernández

student•

La explicación es bastante pobre, aún cuando se entienden los conceptos. Que hayan llegado ya con todo hecho, deja un vació a muchas cosas.

Efrain Rivera

student•

¿Alguien pudo solucionar el error que aparece en esta línea?

streaming_api.filter(locations=COUNTRY_GEO_LOCATION_BOUNDING_BOX)

El error es el siguiente
ValueError Traceback (most recent call last)
<ipython-input-6-70e95255ca0f> in <module>()
----> 1 streaming_api.filter(locations=COUNTRY_GEO_LOCATION_BOUNDING_BOX)

ValueError: Only unicode objects are escapable. Got None of type <class ‘NoneType’>

Gabriel Loggia

student•

Yo tengo exactamente el mismo error

Alvaro Zabala

student•

Mal este Modulo… se asume que todos tenemos un MAC (apple), en Windows no funciona la importación de OS, deberia ir paso a paso de como prepara el ambiente para poder realizar este modulo de ejemplos…
Pasos

cree el ambiente datascience con mkvirtualenv
Instale pip install jupyter
Instale pip install tweepy
jupyter notebook

dentro de inferencia-twitter.ipynb

El comando
**import os

import tweepy
from tweepy import Stream

from stream_listener import FiniteStreamListener
**
en windows 10 da el sgte error

**Traceback (most recent call last):

File “c:\users\azavala.ntbk-azavala\envs\datascience\lib\site-packages\IPython\core\”, line 3265, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)

File “<ipython-input-1-f2546ad59cf1>”, line 3, in <module>
import tweepy

File “c:\users\azavala.ntbk-azavala\envs\datascience\lib\site-packages\tweepy_init_.py”, line 17, in <module>
from tweepy.streaming import Stream, StreamListener

File “c:\users\azavala.ntbk-azavala\envs\datascience\lib\site-packages\tweepy\”, line 358
def _start(self, async):
^
SyntaxError: invalid syntax**

Jorge Andrés Bedoya Hernández

student•

Tengo este mismo error, no he encontrado la solución hasta ahora.

MARCO ANTONIO LÓPEZ SÁNCHEZ

student•

Hola, a mi también me arrojó ese mismo error, decidí descargar Anaconda Navigator, es una interfaz gráfica de usuario de escritorio incluida en Anaconda que le permite iniciar aplicaciones y administrar fácilmente los paquetes, entornos y canales de Conda sin la necesidad de usar comandos de la línea de comandos.
Y ahí viene Jupiter

Wireless DNA

student•

La peor explicación que he visto en platzi

Jorge Andrés Bedoya Hernández

student•

Ayuda por favor, al intentar seguir esta clase e importar tweepy me aparece el siguiente error:
Traceback (most recent call last):

File “c:\python\lib\site-packages\IPython\core\”, line 3265, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)

File “<ipython-input-19-f5e4f2180e08>”, line 1, in <module>
import tweepy

File “c:\python\lib\site-packages\tweepy_init_.py”, line 17, in <module>
from tweepy.streaming import Stream, StreamListener

File “c:\python\lib\site-packages\tweepy\”, line 358
def _start(self, async):
^
SyntaxError: invalid syntax

Tomás Retamal Venegas

student•

MUY incompleta la clase, sugiero hacerla de nuevo explicando como instalar tweepy, stream_listener (me lanza un error), como conectar con la API, etc.

Benjamin Bianchi

student•

De donde saco el archivo de inferencia twitter?

Mariandrea Cruz

student•

Hola! lo encuentras en la pestaña “Archivos” en la siguiente clase 😃

Benjamin Bianchi

student•

Gracias Andrea!

Wilson Montenegro

student•

Gracias a la ayuda de la comunidad platzi pude seguir con el ejemplo.

Jesús Maximiliano Manchuk

student•

Faltó profundizar más en el ejemplo, explicando cada paso. Se mostró todo hecho y de manera muy rápida. No pido una clase muy extensa pero como mínimo dejar en claro cada parte del proceso a medida que se lo construye.

Omar España

student•

¿Alguien mas ha podido ejecutar este ejemplo? la verdad es que ciertamente se pierte mucho tiempo al inicio y no se explica tan bien el ejemplo practico.

Diego Forero

Team Platzi•

Qué problema tienes y te ayudamos a solucionarlo entre todos, para eso es la comunidad.

Omar Hoyos

student•

Donde puedo encontrar el archivo de esta clase?

Jesús Maximiliano Manchuk

student•

Aparentemente el archivo no está. por lo que te sugiero que hagas como yo y lo construyas por tu cuenta en el jupyter. No hay ninguna diferencia.

Edgar Del Castillo Zegarra

student•

esta en los archivos de la sguiente clase

annie nicole rojas vaughan

student•

hola. estoy realizando esta clase y llegue hasta correr el “Sorber del firehouse” para que importelos datos.
Alguien sabe cuanto se demora corriendo eso porque ya lleva bastante y no termina de correr el codigo asi que no se cuantoes lo normal que se demore o si algoesta funcionando mal en mi codigo…
muchas gracias.

john fredy quimbaya orozco

student•

tengo una consulta me gusta el framework jupyter, pero si tengo que hacerle un desarrollo al cliente como se definen los accesos a la plataforma o como funcionaria esa parte ?

Diego Forero

Team Platzi•

Lo que debes hacer es pasar todo lo que creas en jupyter a un script de python, con esto puedes enviar la salida en formato json por ejemplo para tener los datos para ser representados usando html, css y javascript.

Gustavo Adolfo Ramírez Apache

student•

Para los que no saben que rayos pasó acá , es tan simple como ir al repo del curso: https://github.com/platzi/curso-de-datascience lo clonana y ya crear el enviroment .

Diego Oruna Cabrera

student•

Tengo el mismo error que varios compañeros, en la línea:

streaming_api.filter(locations = COLOMBIA_GEO_LOCATION_BOUNDING_BOX)

ValueError: Only unicode objects are escapable. Got None of type <class ‘NoneType’>.

¿Alguien sabe sobre este error? Ya he intentado convertir la lista a un Unicode, pero me sigue saliendo el error

Diego Forero

Team Platzi•

El error es porque COLOMBIA_GEO_LOCATION_BOUNDING_BOX esta llegando vacía o de tipo None, verifica que tengas las coordenadas asignadas de forma correcta.

Luis Valenzuela Valenzuela

student•

De donde puedo sacar o de donde saco la GeoLocation ?

Luis Valenzuela Valenzuela

student•

http://boundingbox.klokantech.com/

Ricardo Azpeitia P.

student•

Usualmente geolocalizas por IP

Pero si el dispositivo tiene GPS puedes usar eso en lugar de la geoip

Workflow Típico de un Data Scientist

Bienvenidos

Aprende sobre Big Data y Ciencia de Datos con los cursos actualizados

Bienvenido al curso

¿Qué es un Data Scientist?

Ejemplos de uso de Data Science

Cómo funciona una búsqueda de Google y el Algoritmo de Spotify

Retos de un data scientist

¿Porqué surge Data Science ahora y no antes?

¿En cuáles campos trabajan Data Scientists?

¿Cuáles habilidades y herramientas usamos?

Workflow de un Data Scientist

Introducción a Python

Guía de Jupyter

Configurando un NoteBook

Continuando con nuestro ejemplo

Flujo de trabajo de un Data Scientist

Workflow Típico de un Data Scientist

Recolectar datos, limpiar datos dormir con sus datos

Modelos de datos

Construir un modelo

Validar su modelo y predecir el futuro

Comunicar los resultados

Algebra Lineal para Data Science

Básicos de Probabilidad

Automatización en Data Science

Hacer que las máquinas hagan todo

Objetos del mundo real en el espacio vectorial y métricas de distancia

Ejemplo de espacio vectorial y métricas de distancia

Conclusiones

Cómo ser un data Scientist

Cierre del curso

Desafío 01

Desafío 02

Contenido complementario

¿Qué es big data y cuál es su papel en datascience?