# Transcripción de Clase - Machine Learning Semana 2 **Fecha de transcripción:** 2026-01-22 20:36:45 **Archivo:** Sesion 2. NRC-200-Machine Learning- Únicamente audio.m4a --- ## Contenido para estar de chicos vamos a esperar 5 minutos para iniciar la sesión hasta la vez buenas tardes buenas tardes buenas tardes buenas tardes ¿Aleón es Serles? a las tardes compañeros buenas tardes buenas tardes buenas tardes buenas tardes para todos buenas tardes buenas tardes buenas tardes buenas tardes buenas tardes vamos a dar a la sesión de hoy inicialmente como resolviendo algunas dudas pues llegaba la solicitud de uno de ustedes eso llegó a alguien es que le hubiera en acá por el correo que si daba la posibilidad de que esta primera vez se hiciera de manera grupal o no se anvará acá ese trabajo y vayá ya vamos a mirar en que consiste esta actividad de la semana dos generalmente es un foro pero seguro porque es una materia del primer para la semana y si no se puede ver si no se puede ver si no se puede ver si no se puede ver porque es una materia del primer el patrimestre en estos momentos es individual algunos compañeros me manifestaron que en la materia de fundamentes por eso lo sabían dejado trabajar en grupo no sé si de pronto me puedan como poner al tanto de eso o quien de pronto me puede comentar algo sobre eso Pues básicamente lo acuerdo que se llegó es que pues podríamos trabajar en grupo, igual forma cada uno subiría su tarea, o sea, subiría su tajer, su archivo acá en la actividad, mejor dicho, pero que por lo podríamos desarrollar en equipo las que son individual y pues subí a vente las que son ya grupal pues si las desarrollaríamos entre dos. Ok, o sea sería como ustedes armarlos equipos, los grupos trabajan en grupo pero pues cada elemento que integrante del grupo sufre su trabajo. Correcto, pero así es. Ah, listo, es que sí, o sea, yo no tengo lío sino que como esto por acá bien bien configurado para entregar individual les voy a mostrar por acá, si en momento aquí a subir actividad y me meto a para que se editar. Es de trabajo en particular pues está configurado para estar en grupo. Como en esta configurada para tarea del grupo entonces pues acá uno le tocaría mandar el trabajo. Si es así, no hay ningún problema, eso sí, lo que pasa es que cada uno tiene que mandar su trabajo. Porque si ha de pronto algunos no mandan el trabajo y dicen no es que fue la nitro lo mando por nosotros entonces el sistema inmediatamente, inmediatamente el sistema le exponer. Entonces la cosa es que ustedes deben mandar el trabajo o sea cada uno manda el trabajo si sea el mismo mejor dicho listo y pues obviamente la puerta colocan que cuáles son los integrantes del equipo de igual manera recuerden que ustedes crean los grupos por acá listo, espero que ya vayan como creando los grupos, aquí los vamos por el inicio, aquí puse trabajo y pese a algunos me comentaron qué les habilitará más grupos, aquí hay algunos grupos disponibles, 24, 23, 22 están disponibles y por acá el grupo 4 está disponible completamente por si se quieren apuntar ahí, faltan 33 compañeros para que se apunten en esos grupos. Listo, la que pasa es que yo podría habilitar esta tarea como se ve sobre, o sea para nadie podría habilitar esta tarea como grupo perigual no me quiero como arriesgar porque no sé si pueden presentar algunos problemas de complicuración y por eso se daría sin conveniente. Perfecto, pero no es que habilites como que la entrega sea grupal sino que cada uno puede subirlo y no pasa nada o sea que lo dejamos, el desarrollo lo 5 pero cada uno de nosotros no se puede habilitar. Sí, por eso es que porque si estaba pensando, eso lo entiendo, estaba pensando no habilitarse los como grupo y pues lo subía uno solo y ya listo, queda más subido como equipo de trabajo y no tenía que ponerse cada uno de los trabajos, era como más breve también para ustedes que no les toca nada, pero como esta configurada así, ni nada, cada uno le toca subir el trabajo, pero si no hay idea de que colocan pues como los nombres de los integrantes, pues ahí ya yo me haría para colocar las calificaciones bueno, no, no resto voy a leer aquí un poquito el chal, bueno, buenas tardes, Andrés, la idea es que usted sepa que nos entienda plajes, antiagos y no hay líos y marcan el trabajo, no, a ver, esta puente si son más de cinco páginas del trabajo, no, no hay lío con eso, Diana Maritza, cuéntame. buenas tardes, tengo una consulta con base al tallero que estamos desarrollando, porque bueno, pues allí yo estuve revisando, son dos data set, entonces hay que hacer el trabajo uno por uno o los unimos, no hay que hacerlos aparte, aparte, ok, sí sí sí hay que hacer el análisis de datos aparte, ok, está bien, muchas gracias, vamos a mirar, bueno, que pena, pero se puede hacer en el mismo notebook o tocando, se puede hacer en el mismo notebook, pero que si el análisis es variable, independientes, la análisis es bien independientes, sí, sí sí sí, porque son los datos distintos, sí, son diferentes, ok, bueno, listo, vamos a mirar entonces, acá vamos ahora sí, semana 2, descripción de varias aulas, dicele a hola más cordial bienvenida la semana 2 del curso Machin Learning durante esta semana, la forma de escribir varios dependientes, independientes, como tendencia, describir, perdón, variables dependientes, independientes, como tendencias central, dispersión, distribución, índices y gráficos, así mismo, comprenderá la importancia de la análisis de datos para el desarrollo de modelos de Machin Learning, ok, entonces me voy a ir a la actividad en la actividad ahora sí, como les había dicho en la primera clase, pero siempre que me llamo siempre a una actividad, yo voy a le dey con una parte a leer esto, mirad, entonces qué es lo que hay que hacer, dice, tengan cuenta la siguiente pregunta, seriancítadas para desarrollar la actividad, cuál es la metodología para escribir datos que se aplicaran a los modelos de Machin Learning, qué procesamiento se debe realizar a los datos para su adepación, bueno, aquí hay unos recursos para consultar, no necesaria obligatoriamente, tienen que ser estos recursos, sobre todo en este libro en particular, aquí dice va a ser datos uno y dos del UCI Machin Learning Repositorial, la NXO1, aquí pues no están dando directamente los enlaces, ya les voy a explicar cómo va todo el asunto, dice, tome a punto su suprayel, las ideas principales de los documentos consultados con el fin de contar con los elementos conceptuales necesarios para resolver el taller de forma equada, además realicione investigación adicional en fuente de información verídica, así confiables que le permita complementar la información, actuar, a partir de la información revisada y la consulta a los materiales de la semana, resuelva el taller, primero, realicional lectura previano, documentos y procesar el NXO, que contiene las indicaciones para el desarrollo del taller, aplicando los conceptos abordados en la bibliografía y teniendo en cuenta el procedimiento que se menciona, redacte afirmaciones, descripciones o argumentas que son por ten cada uno de los elementos e integrelos a las categorías correspondientes, seleccione la base de datos a trabajar con el enlas indicado, descarguerlada, tan el notebook o colab para acceder a Google Colab ingresión siguiente enlace, posteriormente sigan los instrucciones que describen el NXO1, prepara el conjunto de datos confiable a partir de la limpieza de datos, la identificación y eliminación de errores y datos duplicados, realice el análisis descriptido de los datos de acuerdo con el tipo de variante categórica o contino, cuya es la presentación redacción y ortografía, o se correctamente la norma de redacción con el fin de que escriban texto claro, preciso y coherente, en el que se evidencia una estructura concreta y las ideas se relacionan de forma fluida y articular, recuerde que sus referencias y citas deben apegarse al ando armazado, incluyona apartado en el que agrega el título del trabajo, si nombre completo, el nombre del curso y el número de la semana, el nombre del tosente y la fecha en trica, bueno, finalizar el taller el estudiante tendrá las habilidades para preparar con un conjunto de datos confiables, entonces acá si nos aparecen tanto este, no sé, no voy a mirar si esta recurso está disponible, el que corresponde al libro, ok, y tenemos esta base de datos uno y tenemos esta base de datos dos, que son las bases de datos con las cuales se van a trabajar y tenemos el anexo uno, entonces si nos detrás vamos a la anexo uno que de pronto hay compañeritos a los que no sé porque no les carga puede ser un problema de cookies, pero de mi momento como voy a descargarlo o voy a subir aquí al chat, por si me preguntan algo que no lo haya podido descargar en la anexo pero ven, yo soy realizando los otros anexos de las otras semanas y pasa lo mismo y no solamente es con esta materia sino con la otra, no sé si es de la plataforma, sí puede ser un problema de la plataforma, porque nos hemos encontrado con eso este cuatro y meste, no está dejando ingresar a los anexos, hay algunos que pueden ingresar a los otros que no, no sé si es un problema de con las cookies del navegador o qué pasó ahí, yo no he podido tampoco descargar en la anexa, no me salí los anexos en el sitio, ok y parece hacer que eso está ocurriendo entonces puede ser entonces una asenta de privilegios, entonces decir que lo está dejando descargar a los profes pero no le sueste de antes, a mí sí, a mí sí me dejó de eso, pero a mí sí me parece, sí a mí también me parece, eso está bien misterioso, ok, estos dos anexos que aparecen base de a todos universidades todos, sí aparecen en el sistema, sí, los pueden descargar, pero el taller del primer taller, no? ok es porque sí porque los anexos perdán, más de datos y unitos en los enlaces a otra página, pero es que están viendo ahí en pantalla es un PDF que está dentro del repositorio de un minuto, entonces seguro no están lesando bien, de todas maneras si tienen inconvenientes igual me dicen y yo les vale la clase siempre hago esto, siempre arrancamos con esto y les mando a la archie y me escriben si algo si no lo pueden descargar y cuando se los pueda juntar por el aula virtual para poderse los enviarse, si a los escargot como PDF se los envío por si existe ese problema igual a dice los enviar el chat para que le pegue la mira le estaba manejo de las cosas realmente la clase va a estar orientada, esa vez a trabajar con esto se van básicamente vamos como adelantar la tarea hoy bueno completamente pero si miren entonces dice vamos a leer esto, siempre me va a la práctica alquisición y la ecuación de va a ser de datos objetivo, aplicar el proceso de la ecuación de la data limpia a los conjuntos de datos proporcionados para utilizar los en los modelos de machine learning, las datos de proporcionaron formato cse o es descargar en los siguientes enlaces y aquí tenemos los enlaces ya vamos a pegar una miraita a los enlaces pasos a seguir orientativo preparan con un montón de datos confiante, realizar la carga de datos de Python en Google Column orr estudio bueno digamos que la plataforma de falta que se va a utilizar es colap porque nos permite hacer notebooks, no pues son esos archivos bonitos en donde no puedes clicar el código y puede ir explicando qué es lo que va haciendo analicen descripción de los datos que incluyan la media de tendencia central, el tratamiento de mis y identificación el iluminación de errores, datos duplicados, como tal los resultados obtenidos y otros comentarios que parezcan adecuados, el enlace tal contiene la información necesaria sobre los datos, la variable respuesta es class name, los datos, trata de información relacionada con el botón de las elecciones americanos, aquí nos explican cómo hace pues la carga de la edad, el enlace contiene los datos e incluye 8 variables categoricas y 6 variables continuos, que sería este y bueno aquí se hace la explicación de la carga de los datos, lo que vamos a comentar eso es la evaluación máxima de 5 páginas, se puede usar el reo python, se va a comentar los resultados obtenidos y el código, de plan según la idea la guía docente, organización, bueno en el caso de r yo no he trabajado r, trabajo python y colap algo compañero me estaba preguntando la clase pasa si se podía hacer en r, pese el análisis de datos, si se podía hacer en r, pero yo no sé si se puede repermite hacer notebooks, la chave de colap, es que como permite hacer los notebooks, entonces uno puede hacer todo el archivo explicativo con el código, mostrando pues todo el desarrollo, si en r se pueden hacer notebooks bonitos, haga le lo puede hacer en r, cosa que no le toca como popular y pegar imágenes, o sea como tomar pantallas si no sé si se pueden hacer esos notebooks bacán entonces iguales en la acción, yo creo que ya ustedes más o menos han ido calentando un poquito en términos de que es lo que hay que hacer, bueno ustedes saben que colap es igual en fundamentos ya se le han explicado otros ya lo sabrán porque ya he visto en la encuesta que ustedes respondieron pues que hay ya bastante compañeritos pues que tienen como una idea de este asunto de igual manera pues yo tengo que partir como un poco de desertos, este saben que nosotros tenemos colap y la dirección de colap es colap.ruisarch punto de google.com y la cuestión acá es que colap es una herramienta que está dentro de la cuenta de correo de gmail de la suite de google que es gratuito y que nos permite hacer notebooks, notebooks es simplemente como una herramienta en donde yo puedo apuntar tanto texto como markdown, entonces un markdown es un tipo de documento en donde yo puedo ir escribiendo muy bonito pero después puedo agregar codigos. Entonces cuando yo ingreso aquí a la cuenta de colap es simplemente hago new notebook para empezar un libro nuevo este es van a observar que tenemos este site de facebook y aquí en la parte de arriba pues yo puedo cambiar el nombre y no sé, yo puedo colocar sesión 2, la descripción de variables y por colocar pues el nombre de cada un listo. Cuando yo arranco con este modo voy a dar cuenta que aquí adentro es van a encontrarse un editor de texto en donde vamos a tener dos tipos de cosas que se llaman celdas. Una celda son celdas de código y otras celdas son celdas de texto. En la celda de código pues yo lo que voy a poder escribir es código en este caso va a ser código de python. Y ese código de python pues se va a representar o se va a mostrar simplemente como ese código de python. Estoy dando un ejemplo no sé entrando pues como en la parte de explicar el código como tal. Y lo que pasa con esto es que cuando yo empiezo a ejecutar el código que lo hago con control entre o simplemente lo voy aquí donde dice un orban o clip derecho y le digo corra esta celda. Entonces se va a levantar una cosa que se llamo como una instancia. Una instancia es un computador si te opor allá en los servidores de google que le dan a usted para que usted trabaja y que está aquí en línea. Entonces esta instancia lo que tenía instalado es python y yo puedo subir tanto archivos que yo descarguy allí que los arrastro o puedo subir archivos desde el drive de google. Y esa instancia pues va a tener varias cosas primero. Yo puedo aquí donde dice room time puedo digamos cambiar el tipo de room time y el tipo de room time es que yo puedo cambiar el tipo de máquina por la que quiero trabajar. En este momento y por defecto se trabaja con cpeb, pero yo puedo cambiar y decirle vea necesito que me trabaje con una tarjeta gráfico de cuatro o cpeb. O alas y la cosa pues que a veces esta depende la disponibilidad y a veces usted va a correr archivos muy grandes o que ocupan demasiado en medio pues le pronto se le interrope la dejad tirado y le ha de trabajo a medias. Seren algo para pues la verdad la mayor legal de los trabajos que nos vamos a hacer con cpeb es suficiente si usted le pronto si oriente por seguir en desarrollo más avanzado no sé porque quiere hacer analicite datos quiere dedicarle más tiempo pues entonces aquí dice que si quiere acceder a gpeb, entonces dice que puede comprar computación adicional y aquí pues ya uno aquí estamos en modo gratuito pero si usted necesitan más poder y más disponibilidad de gpeb, pues hay unos planes mensuales, es un colab pro colab, es de 43 y este de 215 mil pesos, entonces ac y es simplemente para qué lo sé. Y entonces es importante saber que esto que está acá es simplemente un computador que yo puedo hacer de manera remota y que tiene paid. Además de tener estas celdas pues hay otras celdas que son celdas de texto, miren que si yo paso el modo aquí arriba pues voy a poder colocar o hacer clic donde dice text y aquí pues puedes escribir con cierta formato haciendo doble clic y voy a poder utilizar un tipo de escritura que se llama mark down y esa escritura es esta manera mark y da un es el formato 13 utiliza acá, entonces aquí pues lo que yo voy escribiendo aquí va apareciendo como la vista previana de lo que yo voy a siente y pues el mark down aquí están los botoncitos que me permiten hacer un montón de cosas, ponerle negría, ponerita, lica, crear en las agregar imágenes o sea que por eso es colapes chévere porque yo puedo crear herramientas y más bien documentos porque tengo unas herramientas que me permiten mostrar un documento bonito, entonces si yo quiero simplemente seleccionar. Estos estados en esta celda que te dan por defecto si te pasas el mouse aquí arriba te dice que puedes agregar una celda de código o una celda de texto y si te pasas el mouse, aquí arriba te dice que puedes agregar una celda de código o una celda de texto y si pasas aquí el mouse te bajito puedes agregar una celda de código o una celda de texto pero pues en este caso pavá, por ejemplo aquí yo lo que hice fue que pase el mouse acá y creo que una celda de texto, entonces me apreza esta celda de texto me quedaron ya dos celda de texto si yo quiero editarlos pues hago double click y ahí me puedo meter. Entonces ese markdown son como unos códigos que me permiten hacer formatos también bonitos, ¿Qué pasa que si se no se quiere meter con los códigos de esos formatos pues aquí están los botancitos? ¿Por qué digo que códigos porque ese tipo de archivo markdown? Si por ejemplo no hace esto, le ponió un signo de número y aquí escribe un markdown o la palabra que ustedes quieran digamos el título. Mira en qué en la vista previa va a aparecer el chomadrán si yo colocó dos sin bolos numerales pues esto puede ser un subtítulo y va a aparecer más chiquito y si yo coloco tres numerales entonces no sé por poner un encabezado más pequeña y me apreza más pequeña si coloco si nos de los que son estos asteris, pues asteris como me va a servir para hacer una grita y si quiero empezar a ser como listados entonces por poner uno aquí por poner dos y me van apareciendo listados aquí bonitos con esos involuntos que están ahí esos que queréis poner la de los involuntos y los chagep también le llaman hacer como estos marcados a transformar. Si no pues entonces si ayuda con los tutones que están acá por eso les digo y le reitero que aquí ustedes cuando por ejemplo van a entregar el trabajo entonces cuando ustedes van a entregar el trabajo pueden hacer esto, voy a abrir aquí, es que tengo es en document B, donde aquí como los war, entonces ustedes empiezan a hacer su trabajo normal en war, lo que se trabaja en el placer de dice, no sé, trabajo semana, dos descripción, de variables, la segmentura, machila, presentado por sí, entonces a ver y bueno ustedes si quieren pueden empezar a desarrollar como toda la teoria acá, esto es una opción y por aquí debajo es decir, de colocar siempre pero pues no así sino que digamos que adcontamos él en la sec del colab y es cuando ustedes adcontan él en la sec del colab para adcontar en la sec del colab ustedes ven aquí donde dice Shale, hace en click en Shale, compartir y aquí le dicen Copi Link pero aquí no lo van a dejar en restrictos sino que dicen cualquiera con el link puede ver sí o de mi caso pues como se me lo van a compartir pueden colocar editar, aunque por lo menos que lo pueda ver listo para yo poderlo obviamente ver, entonces aquí tiene que quedar, que lo pueda ver cualquiera con el link puede ver para que no se pongan pues como escribir mi correo y entonces acá le dan Copi Link, copiar el link y aquí viene y lo pegan entonces es muy muy importante que ustedes me pasen en la sec del colab y yo ya entro en este colab y lo reír, entonces a ver si hay cómodos formas, como entregan los trabajos generalmente los compañeritos, hay compañeros que desarrollan como una parte la te hace obviamente que ponerle la portada, esto que digo acá trabajo tal, la escenatura presentada por etc etc como tal el protocol y dice en la segunda hoja simplemente coloca, adcontamos en la sec del colab y pú, yo me voy a dar en la sec del colab pero en la sec del colab no va a ser solamente código sino que sea una descripción bonita del trabajo se responden las preguntas que se les hacen que recuerden que la actividad tiene dos preguntas entonces aquí hay que colocar la carreta de las preguntas, hay compañeritos que lo hacen así, presentación en la sec del colab, yo me voy a dar en la sec del colab y ya reviso, las preguntas que hayan respondido, la teoría, el análisis de datos que ustedes hayan hecho con el código y tal la explicación, o sea un colab, así súper bonito, esa es una opción que a mí me parece muy chévere la otra opción es que hay compañeritos que por ejemplo colocan en la presentación y aquí debajo pues responden las preguntas, escriben como una teoría, las pues ser que es la referencia sovió y pero también a juntar en el as del colab y de todas maneras pues yo me voy acá y reviso el colab, o sea si o si el colab hay que agregarlo porque entonces dónde está el código y las preguntas, o sea lo pueden hacer de esa manera si lo pueden hacer todo en colab mejor y mandáles en el acel acá, la tabla de presentes, la puerta y colocamos en el acel colab, volve como un particular en el acel colab y yo ya entro aquí a revisar, ustedes saben respondido las preguntas y todas las preguntas entonces este colab es para un acero como pruebas para analizar datos realmente es bastante poderoso antes de que es gratuito y aquí es donde ese pieza general pues como la magia de la análisis de datos de inteligencia artificial y todo el asunto de hecho esta clase es más orientada como a una parte de la análisis de datos más que aprendizaje automático, listo entonces ya si usted quiere ir ejecutando el código que es lo recomendable cuando escribamos un pedacito de código, usted puede darle control enter control enter que es generalmente lo que hago yo porque es poquito más rápido y entonces al hacer control enter pues ejecutar la celda que tiene código, la celda que tiene texto pues no se va a ejecutar ya vamos a hacer más código a esto, listo entonces eso es como el asunto en general del colab los que ya han trabajado en ciencia de datos pues lo tendrán un poquito más claro con esto que no es tan difícil de usar, bueno entonces lo importante es pues como que vayamos entendiendo que es o por qué va ocurriendo lo que va ocurriendo luego de esa pequeña introducción a colab que yo les hago por tiempo la vez pasada entonces ahora si vamos a mirar la tarea como tal entonces tenemos yo aquí tengo ya un colab preparado aquí hay un texto ya hecho porque pues yo no lo una buena parte no lo voy a digitar porque si no aquí si nos va a mientlo me puedo digitar pero hay otras partes y las voy a digitar para que nos vocalicemos en eso que es indiguitar entonces mira yo aquí tengo un colab, usted por ejemplo podría marcarlo entonces semana dos está tratada y aquí ponerlo ser trabajo presentado por un plano por entonces aquí un plano y acá suitando entonces no sé fácil y la dura y me manchimé a mi etcétera va a hacer toda la marca acá y pega el colab o sea que era el pdf pegas del hace el colab y si todos lo hicieron acá pero no hay lío lo revisionó el colab, vale también completamente vale ya le dije que cualquiera de las dos opciones son válidas tratan de no pegar el enlace como en el comentario eso sino uno puede hacer comentarios de tarea no peguen el enlace ahí peguenlo entre el trabajo que bien lista bueno dice el datacete que se va a trabajar se llama adult sensus incómodo adulto sensual ingresos entonces pues es lo que te digo estas sesiones que es es creando regales independientes y dependientes usando tipo de variables cuantitativas y cualitativas o sea que lo que vamos a hacer es orientarnos en eso y a mirarlo del intelí y también en poco lo que sea hacer con la hacer un poco esta distica descripción un poco de tendencia central un poco de expresión de distribución algunos índices y gráficos por si no en el tiempo de que trata esta a hacer lo primero que no tiene que hacer cuando buscamos las ets que era lo que nosotros decíamos en la clase anterior permitan que es que tengo los sendos aquí oculta ya la clase anterior era que hablábamos de datacets y lo que primero debemos hacer es saber de que tratan de datacets aquí particularmente nosotros en el anexo esta hora aquí tenemos dos datacets esta datacets que vamos a trabajar acá en la clase frontal no va a ser de houseboats de los votos sino que va a hacer el que corresponde a allí incomodo entonces dice que el datacet aduncensus incomprovener el centro de Estados Unidos y se usa por un problema clásico de clasificación predesicional persona gana más de 50 mil o lo que ganas menor igual a 50 mil al año a partir de varios sociófemográficos y laborales característica relevantes para este hacemos incluye varios de los médicas y categoricas mixtas tiene valores faltantes rotositados como el signo de interrogación permití aplicar tanto está desigando médicas media desviación como una licente frecuencia moda barres y la fuente es Usei que es esta página que nosotros vamos a ver acá si ya me voy a estén las es el mismo en la clase que están en el anexo y hago clic en el enlace y me voy para acá el lo que van a hacer ustedes hacer clic ustedes se van a encontrar un resto de datos aquí hay un montón de datos si los otros voy a volver a que al principio voy a hacer un zoom para que lo van a ver un poco mejor ustedes se van a encontrar con que aquí vamos a tener unas filas y estas filas pues no tienen nombres en la parte superior tienen un numerito que está acá aquí vamos a tener otra columna que llamo saber de qué trata y simplemente nos dan una serie de datos que están separados por comas no nos dan nada más todavía nos sabemos esto de qué trata y acá dentro de esos datos pues si no ponen encima lo que está observando es que aquí está hablando de la primero segundo trasera cuarta columna a la al parecer de el tipo de educación entonces bachelores una persona que tiene un pregrado aquí parece ser que hay lo que aparece antes de graduarse en graduarse esto es el high school grad o sea que es el graduado el high school este tenio más ter etc. entonces cada una de estas cosas que están acá son los registros o las filas y aquí tenemos las columnas que son horizontales y todo esto es un data 7 ahora siempre traten de que cuando tengan ustedes en datacete buscar qué pasa con el datacete o sea el datacete que es lo que quiere decir generalmente hay una descripción entonces aquí de bajito hay un enlace como una descripción del datacete me voy a meter ahí y voy a irme a este enlace entonces vale un poquito el zoom y dice adult donado en el año 1996 dice para decir si los ingresos se anuales de un individuo exceden los 50 mil dólares por año pasados en la data que se hace el centro también conocida como senso de los ingresos o datacete el centro de los ingresos característica del datacete es un ultimo variado o sea tiene varias columnas varias variables área, materia, ciencias sociales, tareas que se pueden hacer clasificación tipos de características o sea las columnas como vienen, entonces hay columnas que son categoricas y hay columnas que son enteras ya vamos a ver un poquito de instancias 48840 y cuando se habla de instancias hace referencia a cuantas filas bien el datacete en este caso el datacete tiene 48842 pilas esas son las instancias de un datacete las filas y tenemos las los features o características las características son las columnas que tiene el datacete que en este caso son 14 columnas y aquí nos dan una información adicional dice que la extracción fue hecha por el señor barrio Eker el senso de las basas de datos de un senso de 1994 y un conjunto razonable con un conjunto limpieza de conjuntos, limpieza de filas fueron extraidos usando las siguientes condiciones y aquí se presentan unas condiciones inicialmente no necesariamente las vamos a necesitar, por lo que vamos a hacer la dareta de petición o determinación a persona puede llegar a ganar 50 mil al año o su sueldo puede estar con el 50 mil tiene valores faltantes si tiene valores faltantes y aquí viene como la parte importante que uno siempre debe saber y es que columnas tiene el datacete entonces miren que aquí nos está hablando de nombre de la variable y dice que la primera columna es la edad o hacer esto este primer marite que está apareciendo acá es la edad luego, Workclass es el tipo de trabajo si es un trabajo de tipo privado y el self-employee es como independiente trabajo federal, trabajo local, trabajo estatal sin paga o nunca trabajar entonces miren que ese Workclass se divide en estos que nosotros tenemos hay valores faltantes y hay valores faltantes bueno, entonces aquí aparece otra que dice FNLWT pero no, está nascendo la descripción este sería una característica y es un entero que sería este marito que nosotros tenemos aquí educación, es otra característica de tipo categorico en el nivel de educación es lo que representa esto, tenemos los bachelors, some college, algo de universidad, grados 11 aquí tenemos, esto es de High School, Radway, Procoso de escuela hasta doctorado y los grados que van a círte bueno, entonces aparte de ahí nosotros ya tenemos por lo menos que saber poco de que tratan las columnas que están acá aquí tenemos también razas y están algunas relaciones que ocupación se encuentra cual es su género y listo, aquí la importante es tener estos nombres de estas columnas okey, vamos entonces ya tenemos una idea de lo que pasa, ya te estará empezar a hacerle en análisis vamos a empezar a escribir un poquito de código en Python, entonces cuando uno trabaja en código de Python pero primero que tiene que hacer es utilizar unas sentencias que son los imports, esos imports, esos imports van a decir al código necesito como unas librerías que ya están hechas, unos paqueticos que ya están hechas para que me ayuden a analizar los datos entonces aquí es, una escribe import numpy a npa e import pandas a spd, porque npa pues porque ya no quiero escribir numpy todo el tiempo porque muy largos, entonces voy a escribir npa y aquí voy a escribir p, y esos me van a servir para hacer analisis de datos y voy a importar una cosa que se llama matplot.l, punto Pyplot, as lp, aquí yo que estoy haciendo simplemente está libre de día que está acá es para hacer dibujitos en inglés plot que es decir como plano y le voy a colocar con plt porque pese más cortico de escribir, y antes cuando ya tengo mi primera sialda y no voy a hacer nada para no complicarme más, es darle controlente y controlente es para crear que me asignan un pequeño computador, ya me asignan de ese pequeño computador en donde corris de pedacito excel, entonces ya tengo esas librerías con que voy a trabajar, puede que necesito otra librerías, entonces lo es importo luego para reír neuronales, etc. Lo primero que voy a hacer es que voy a cargar el dataset, cargar el dataset es que yo me voy a traer todos esos cuarenta y picou de mil de datos y están por ahí en una página, me los voy a traer para acá y los voy a cargar. Entonces dice en colab o cualquier notebook con internet podemos leer el archivo directamente desde bucey, decisiones de que alguien importante, siguen las prácticas a tener en cuenta, no está acá definido los nombres de las columnas porque el archivo no trae las encabezados, no está acá decir que en ea valios es igual a signo de interrogación para convertir la interrogación en valores faltantes reales, usar a skip, iniciando el espacio y siguen atrú porque el archivo tiene espacio después de las comas para que no nos va a tomar las comas, perdón los espacios. Eso es un tiempo porque la estadística de escrito y también los gráficos requieren manejar faltantes correctamente. Entonces si ustedes observan y si lo volvemos a los datos están por acá miramos por ejemplo esta fila de acá. Esta fila de acá tiene varios signos de interrogación, esta análisis es uno que uno debe realizar pero el código nos va a ayudar a hacer. Pero aquí lo que nos estamos hacer es que hay unas columnas que debemos tener cuidados para encargarlas en algunas filas porque faltan datos o hacer otra cosa que se llama imputación de datos pero ese ya es lo primero que vamos a hacer es aquí ya tengo apuntado esto. Entonces yo escribí columns y aquí están las nombres de las columnas. Esa caso en particular si toca hacer ruapinal es decir a pie porque los nombres de las columnas no están puestos allá entonces si no estocas escribiris lo mismo de la uRL. Entonces aquí está bueno les pere estos datos que están acá que están en esta página web y yo lo que quiero hacer es leer esos datos en el secado particular. Pero si lo seguien se se hue también lo podría hacer. Entonces yo lo que voy a hacer es que voy a crear aquí de bajito es que aquí le quiero bajo una variable que se llama adult y voy a escribir pede punto red cseguy. Para que ese red cseguy, el red cseguy lo que va a hacer es que va a leer el archivo que está allá en la página web y acá entonces lo que voy a hacer es que le voy a mandar la uRL uRL es la dirección de la página web en este caso se leía esta. Lo voy a decir mira necesito que vaya hasta página web y me le va a hacer xibo y acá tienen que no va a tener un cabezado por eso lo estoy diciendo género si igual a no porque miren que aquí arriba no están los nombres de las columnas. Si no que yo las tengo que colocar aquí voy a colocar names igual a colgons porque estoy colocando eso pero se dicen también los nombre de las columnas van a ser estas que están acá. Y ya lo sé que vamos de ante. Le voy a decir mira en ea valios en ea valios que quiere decir, o sea es como los nombres que faltan listo y le voy a decir mira si te encuentras con un signo de la interrogación, eso es un valor faltante y le voy a decir que saltes los espacios iniciales, skip, skip, initial, space y le voy a decir true, grupo una decirle mira cada vez que te encuentres con un espacio de esto, necesito que los altes no lo tengas en cuenta, esto es porque miren que aquí hay un espacios. Entonces hay lo que yo voy a hacer es que ya voy a cargar los datos los datos en carga pero quiero que me parezcan en pantalla como se muestra en pantalla. Esta cosa que está acá este adúl me va a guardar estos datos y luego lo voy a mostrar en pantalla así a tu jefe. Simplemente con eso entonces adúl el que es el adúl me voy a decir es más de mes las primeras colublas primeras filas de sus datos que está acá de carga ahí y como que no cabe en mes de esos primeras filas pero lo que voy a hacer es que voy a apreciar otro enter y escribo y se me equivocen a apreciar el mejor regino. Bueno, también que es alta bonita que me apareció aquí ya acá me aparecen más bonita. Entonces acá tenemos las colomblas, esta es la rada del tipo de trabajo, la educación, el estado pues civil si no casi alcanzado, es divorciado, etcétera y aquí al final entonces tenemos la columna que queremos decir que es informa. Eso nos sirve para ver los datos inicialmente un poco más bonita. Aquí vamos a recordar ya tenemos entonces esa tal recordamos que es un data set y cómo se organizan en machine learning. Entonces recordemos un data set lo que veíamos hace una semana es una trasladónde cada fila es una observación en este caso como una persona distín y cada columna es una variable. Las variables independientes las vamos a llamar features en inglesos o quiere decir características van a ser las columnas de entrada y la je va a ser la variable independiente o la que vamos a llamar tarque es decir lo que nosotros queremos prediciar. En este caso particular la variable objetivo o tarque es va a ser income entonces que es lo que pasa acá nosotros tenemos estos que están acá todos estos hasta aquí hasta el income son las variables independientes es decir yo quiero saber si una persona puede ganar más o menos de 50 mil dólares al año. Conociendo esto. Con saque si llega una persona nueva luego de yo analizarlas uarra más de 40 mil filas a llegar a una persona nueva yo pueda predecir según los datos que tiene si es a personal. Uéganar o no más de 50 mil al año o menos. Diego cuénteme. Profes que fue las que es pensé me olvía me había hecho y perdón dijo que aquí son los feature y ya los target o lo que se lo era la casa igual ráquate que ya estás en los. Se los compartan pero así los features y ya es el tarque. Igual x y y es un letras pues que utilizamos por costumbre pero pero personal utilizaron letras pero hace bien recuelen los feature son las columbnas de tras las columbnas que con las que yo quiero hacer la predicción y el ya es la columna que quiero predecir listo en este dataset particularmente pues yo lo que quiero predecir es los ingresos de la persona pero bueno, los datos es en donde yo lo que quiero predecir es una persona con para tener espacilé que tengo ni en Farto o que tenga diabetes o puede ser que yo esté mirando por ejemplo. Cánsar de seno entonces estén mirando las medidas de unos tumores y es al medias de esos tumores tienen ciertas características lo que yo quiero predecir es si es un tumor benigno o maligno esto. Entonces cuando uno ya tiene esto montado pues uno lo que tiene que hacer es como mirar un poco y ticolás dimensiones del dataset es decir ver cómo que tamaño tiene el dataset como hacemos eso pues podemos hay varias formas una de ellas es utilizar la palabra print y vamos a mirar las filas y las columbnas que tiene que ya sabemos que son por eso pero es bueno y hacer para estar seguros aquí porque ya conocemos para decirlo conocen. Entonces se escribe adult.ci pro porque adult porque recorden que dentro de adult están guardados todos los datos. Ahí guardamos todos los datos que le digo tense ese. Entonces así yo imprimo esto o si le hago un control en vez aquí me va a decir que esta tiene 32.561 filas y vamos a tener 15 columbnas en este caso parte de la dist y que a tipos de datos se presentan ahí que esta es un rote importante si yo hago adult un tipo de datos y lo entre los tipos de tipos de presionador porque me faltó la de entonces ustedes se van a encontrar estas columbnas y adelante de esas nombres de las columbnas se van a encontrar esta cosa rara que dice 24 object incessante y cuando ustedes encuentren esto que dice object lo que se van a dar cuenta es que esa columna básicamente son palabras pueden ser palabras no van a ser números lo pueden tomar inicialmente así y funciona para la mayoría de las veces y cuando ustedes encuentren esa cosa que dice im es porque toda esa columna tiene sólo números listo como si me dan a ver acá y de verdad el cuénteme lo todo si es una pregunta o sea ese es el que tipo de objetos es dentro del coigo es que como como un arreglo que tiene ciertos características. El adel es como es un tipo de datos que se llama un data frame. Es como acá hay que entrenar la habilidad excel. Data frame en lo puede relacionar con eso. Data frame que es lo que devuelve esta cosa que está acá. En últimas es una tabla que tiene esos métodos. Exacto y tiene estos métodos para poder empezar a analizar. Este va a ser el caballón de batalla de aquí hasta que presenten la monografía de grada. O sea utilizar el data frame el red csev es lo van a utilizar todo el tiempo porque no siempre va a tener esos esos datos que los valeren csev. Y lo que hace es que oye una tablita que es esta tablita que está cosa dentro de esta guardada a toda esta tablita yo puedo acceder a todo lo de datos de esa tablita. Que es lo que estoy haciendo acá estoy accediendo a su forma shape en inglés es forma y forma es cuántos filan y cuántos colombian tienen. Y cuando yo le digo a los data types es porque yo quiero saber cada colombian que tipo de datos tiene para que quiero yo saber que tipo de datos tengo. Para saber cuáles son solo números y cuáles son letras. Entonces aquí nosotros debemos entender por lo menos para este caso específica no es que siempre sea así que vamos a tener unas cosas que se llaman variables independientes y variables dependientes pero realmente eso como que lo es. Y que opinio usted en función de lo que usted quiere encontrar a quienes en este caso en particular la variable independiente es el ingreso pero oye ocurrir yo digan no ya quiero que la variable independiente sea legal no sé porque quiero predecir con todos los otros datos que da tiene una persona. Oye ese lista eso depende mucho como el dominio que usted que esté este trabajo antes. Por ejemplo, alguno de los trabajos que que se han hecho querían predecir si dentro de un plan de trabajo que se tenía se podía tratar de predecir si dentro de ese plan de trabajo alguna tarea en particular si se iba a terminar o no o si un proyecto que arranca. Porque tenían miles de proyectos eso ya manó en ese miles de ordenes querían saber si con una serie de características dentro de una empresa esa orden si va a llevar a cabo uno eso sería la variable dependiente. El día con cuenta. Una duda la variable independiente independiente tiene relación directa con una variable continua o categorica no necesariamente me explica que por que digamos con respecto a los que menciona usted la edad la ser bien un dato continuo dependiente. Y si no lo lo vi, pero si yo voy a terminar por edad también puede ser continuo a cierto o estoy equivocado. Si puede ser incluso discreta porque sólo toma números enteros uno dos tres cuatro cinco. Es una variable continua ya vamos a. A repasar un poco y que se es de pedaz pero si podemos tener variables quantitativas cualitativas ahorita miramos con la clasificación fundamental. Bueno porque hay manitos levantada de vía. Muchas gracias y hola cuando estamos en este tema de la dos variables es como cuando definimos una hipótesis para encontrar una correlación. Demos una variable más bien estática fija conocida y un inter terminal algo así lo podemos hacer. Entonces puede ser más que sea específicamente así lo puedes tomar como una analogía porque no es directamente de esa manera. Cuando hablamos de hipótesis es porque tú estás haciendo una firmación que quiere demostrar listo. Si nosotros hablamos acá de que la hipótesis son como todos tus datos de entrada. Lo que quiere decir es que todos tus datos de entrada dados ciertos datos de entrada voy a tener este resultado. Ahí podrías estar haciendo pues como un paralelismo entre las dos cosas entre. Esas datos de entrada y la hipótesis y si quieres saber si la hipótesis es verdadera o falsa o cual es la realidad de ese hipótesis. Si el listo se podría hacer un paralelismo un poco así vale podría ser lista. Entonces pues igual esto uno lo va agarrando en la media que va agarrándome es data sets y los van analizando. Ahora yo puedo hacer esto en mi yo voy a decir que en la variable x grande voy a hacer esto voy a tomar de la columna al. Voy a quitar la columna. Empiecen o que se llame incón muy provista en quiso. Tengo lo que ustedes se van a encontrar cuando ustedes se empiezan a ser analisis de todos los datos y en día que no adelante siempre se van a encontrar que uno se para las columnas que son las variables dependientes perdán las independientes de la variable de. Una como es esa separación hay miles de formas pero pues uno le pregunta el cháner de mi la cómo hago la separación de estas variables y listo. Pero presenta en la hemos también de que se trata aquí la que estoy diciendo es mira necesito que vayas a la tabla adult y la quita es drogues como quitar la columna que sea igual a incón. Entonces si yo cobro toda esta tabla y le quito esta columna de acá me van a quedar todos estas que hay aquí para atrás entonces dentro de la x te va a quedar solamente es. Y le voy a decir la G o sea la variable independientes independientes dependientes va a ser adult incón. Ya la que estoy haciendo acá es una forma de decir mira necesito que de esa tabla de adult y me des la columna que dice incón. Entonces así lo que y acá de hacer es separar esa tabla listo a ver va a seguir siendo toda la tabla completa pero por aparte lo que es acado es justamente la x y la ya si yo hago esto y imprimo un poco la forma de x para hacer cuantos tiras y cuantos colgmas tienen entonces yo hago x chape y si imprimo un poco la ya. Entonces voy a tener el y en punto de shale y hago este entonces aquí lo que está diciendo es que la x tiene 32 mil 500 de centario frilas y 14 columnas en cambio la ya solamente tiene 32 mil 500 de centario frilas listo y no hay necesidad colocar que tienen una sola columna por defecto les va a parecer acá que no no aprecer como un uno diciendo que tiene. Una columna en cambio acá tenemos 14 columnas recordemos que condicimos el chape realmente teníamos 15 columnas pero ya le quitamos una y quedo ese grupito listo entonces nosotros podemos hacer esto ya túlvalio y ya le voy a decir para que es esto. Coles listo entonces para que es value coms de esa columna y que tienen los ingresos yo les estoy diciendo mira necesito que me digas cuantos valores distintos es como cuando uno en excel filtra los datos y dice como quitar duplicados y necesito que me solo me den los valores únicos y cuento cuantos filas hay de sus valores únicos es más o menos. Acá me está diciendo mil hay 24 mil 700 20 filas o personas que ganan menos de 50 mil y 7 mil 840 y uno que ganan más de 50 mil aquí menos o igual de 50 mil entonces se vale y los de sea también hacer valu coms con otros tipos de variables no sé por ejemplo digamos que uno puede decir yo hacer h vamos a ver permite hacer valu coms con esta y ya le digo entonces que tenemos una entonces miren que aquí está haciendo el value coms pero con la edad es decir que hay 800 y 98 personas que tienen 36 888 que tienen 31 y así eso es también eso también es un dato importante al tener en cuenta. Entonces acá viene como la pregunta antes de pasar a tipo de variables perdón es valores faltantes de tección utilizado antes de escribir variables debemos identificar los valores faltantes porque es importante porque si yo le voy a sacar el promedio y la desviación estándar se calculan ignorando esto que está acá por defecto y eso puede ser resultados y hay otros modelos que no aceptan ese N a n directamente projeco así que n a n eso que es n a n quiere decir n a n que no es un número en inglés cuando son los cuando se dan los valores faltantes sean valores faltantes cuando nosotros aquí tenemos este signo de interrogación bueno aquí aparece un signo de interrogación porque es específico de este conjunto de datos pero puede ocurrir que los valores faltantes en otros conjuntos de datos se dendió otra manera. Entonces hay que mirar con mucho cuidado que si hay valores faltantes como los voy a trabajar si voy a reemplazar esos valores faltantes por una cosa o voy a utilizar una cosa que llame imputación de datos es decir que los voy a reemplazar por otro valor o simplemente los voy a quitar el problema es que si uno los quita eso puede generar un sesgo o ser que los resultados porque puede ser un dato que no estoy teniendo en cuenta y hay modelos que pues esa cosa de que falter los datos no les va a servir y no lo van a trabajar cuando se aplica a la inicio del edad entonces le da simplemente la exploración de los datos para decir estrategia de imputación o eliminación que era lo que yo les decía o vamos a meter esos datos faltantes los vamos a eliminar del todo o los vamos a completar a veces es conveniente completarlos simplemente colocándole la moda la media que hay donde vienen las media de tendencia siempre cuantemos cuantos valores faltan entonces el profe que quiere decir ea en los repites por favor. Pues en español sería analisis exploratorio de los datos. O sea que lo que estamos haciendo ahí es explorar los datos analisis exploratorio en los datos lista o explorator y data analisis. Entonces aquí lo que estamos haciendo es pura analisis exploratorio cuando estés estén trabajando con modelo de machine learning siempre la primera parte es empezar a mirar los datos que ustedes tienen y empezaron a ver que es dato realmente podemos quitar que a tu se pueden quedar etc. Ni idea cuéntame lo todo. Perdón, perdón gracias a todos será que me puedes dejar ver el número 3 el código nuevamente perdón y el resultado que es que no me no me digo igual. Oh, entende. Ahí en el eliminación. En el run. Separación perdón en la separación estamos en el paso. Sí. Ya muchas gracias que pena. Tranquilar. Listo voy a porra vez. Vamos a volver a recultando. Listo. Entonces con teo de valores faltantes por colunas entonces en inglés pues faltan de querer decir missing pero usted le puede poner cualquier otro nombre faltantes. Listo. Entonces lo que yo voy a hacer es que de adult. Voy a utilizar una cosita que se llama is n a o sea aquí yo lo que le voy a decir es. Eee es en inglés sería como es no un número pues se traduce como raro pero aquí lo que está lo que estoy mirando es. Necesito que me digas de todos esos coluna cuantos valores faltantes hay. Necesito que me sumes esa cuenta porque lo que va a hacer es que va a devolver unos falsos y verdaderos y aquí. Necesito que los sumes y que me organizes los valores. De manera de ser ver. Ya vamos a ver el resultado de esto. Para que. Para que le entendamos el mejor listo entonces aquí de esta columna que está acá desde entonces que están acá yo voy a utilizar una cosa de Python en donde voy a hacer un pequeño filtro y ese filtro. Entonces entonces observen que aquí sobre todo es donde están los valores faltantes. En la ocupación nos faltan mil 846 43. Workless faltan mil 836. No tip con trif faltan 583. Entonces cuando nosotros tenemos eso ahí nos toca mirar posteriormente luego. Que vamos a hacer con sus datos y los vamos a completar o los vamos a eliminar a escominan más completarlos para no perder información sobre todo porque cada filita tiene otras colunitas a la monta. Y está entonces si una quiere como ir entendiendo quién es lo que está pasando acá. Y vamos a ver este momento. Vaga un signo está de pronto. Ellos de que algunos lo van apuntando lo voy ahorrar un momento. Si ya lo esco. Mira en qué cuando escribamos mi sin adul y es en a lo que coloca es falso falso falso falso. Lo que hace es en a es como devolver true verdadero si hay falta un date. Entonces miremos. Vamos a lo que me estoy. Y lo que hemos. Cm. Y. Tengo una pregunta. Ese es el método. Y es en a él tiene solo en cuenta que cuando el dato es nulo o sea cuando falta cuando la ausencia o también de pronto cuando hay una cadena. E vacía o bueno como hay tipos de datos nán tipos de datos cadena vacía y sí es super. Cuenta o hay otros métodos para dependiendo el tipo de datos. En este caso es como lo hayamos definido pues acá justamente nosotros lo. Cuando lo definimos lo definimos aquí de esta manera. El siempre en solo tiene cuenta los nán en este caso es respondiendo como concretamente. Porque tienen cuenta los nán en particular porque nosotros aquí atrás definimos que los valores faltantes eran estos signos de interrogación. Eso signo de interrogación les convirtió a not a number. Que not a number sería en este caso como otro tipo de dato nulo y así lo analizo si hay un texto que sea diferente a number o que sea un texto como tal. Ese pues no lo va a contar listo. Se lo tienen cuenta en este caso es respondiendo concretamente. Ese es en particular que sea nán en mi cuenta. Y luego hay otro. Se hay aquí falta un dato. Este nativo con ringing. Bueno, encontré lo pues. Quedé aquí como uno, dos, tres, cinco, cinco, siete, ocho, nueve, diez, dos, tres, dos, tres, dos. Sí, aquí está. Mira en la cama. Si bien, o sea como falta este artículo entonces por eso aquí aparece este trupe. Listo. Es el lo que hace es bueno, listo. Digame cuál es en that a number luego pues yo no necesito todos esos falsos y todas esas cosas. Entonces le digo una vez, sabe qué sumame todo eso más bien. Se apúntelos y a game la suma. El vasumarlos que sean trupe y para colocar esto lo va a organizar luego. Como si fuera más columna completa y luego ya si ni necesito piezas número que le dieron los organizes. Si yo lo coloco de esta manera, pues obviamente van a haber cero. Porque hay un concepto donde no van a faltar valores. Yo le voy a decir, necesito que me digas, o en más tres es mejor los que los valores faltan. Entonces ya mayor es cero y van a estar pues organizados de en este caso de manera. Del más grande, más pequeñito. O sea, manera de ser vente. Listo. Entonces eso ya también nos va a servir este pedacito para saber cuántos valores faltantes y en qué filas se presentan. En qué columnas. Listo. Tipo de variables o o qué está parte es conceptual pero uno se en red con esto. O es que se han reavorado como que se le orpida pero es re importante. Porque para el vegas hay las predicciones y van a ser de forma. Dice. Tipo de variables o o pues hay variables cuantitativas y cualitativas. Las cuantitativas se dividen en discretos y continuas. Las cualitativas se dividen en nominales y ordinales. Mede o el. Cuantitativas son las que se representan con números. Listo con números. Ah, hay progente. Entonces una escala de liquebrano en la espérgida. Dentro de las cuantitativas que se representan con números están las discretas. Las discretas generalmente no las utiliza cuando estasiendo con tegos. Una persona de las personas tres personas cuatro personas cinco personas listo. Las continuas es cuando uno generalmente hace una medición. Entonces cuantos pesos tens en de cuatro puntos cinco kilos. Cuantos medios 1385 centímetros pero sabemos que yo puedo utilizar desimales dependiendo del del grado de precisión. Que tenga el el instrumento con el coé a medir. Ahí vamos a tener entonces variables continuas. Las variables continuas son generalmente las que en la mitad de los de los números puedo poner otro número. Las discretas son las que en la mitad de dos números no puede poner otro número. Es decir, yo no puedo hablar de tres personas y media o de cuatro personas y medio. Si yo solo puedo hablar de cuatro personas o cinco personas ahí estamos hablando de variables discretas listo. Y luego tenemos las variables cualitativas las cualitativas son aquellas que se representan con letras o. Paracterísticos dentro de esas cualitativas. Que es con letras tenemos las nominales. En las nominales. Simplemente nosotros vamos a tener unas letras que no tienen necesariamente un orden. Y las ordinales es porque vamos a tener letras que se pueden tener un orden en particular o categorías. Por ejemplo, digamos los estratos antes. Decía de estratos socioeconómico bajo bajo. Bueno, antes no todavía medio o creo que medio alto y alto, sino estímale. Ahí tenemos una ordinal y nominal es por ejemplo que yo utilizo palabras pero que no tienen orden como azul, amarillo, verles rojo eso no tienen el orden. El Machine Learning. Pues nosotros vamos a utilizar para aplicarlas para mirar si nosotros podemos aplicar ciertas medidas de tendencia central. O sea que que estadísticos son valios estadísticos que son. Son como los cálculos que yo puedo hacer con algo. O sea, yo no le puedo sacar el promedio a varios noles que sean nominales. O sea, yo no puedo sacar como el promedio entre amarillo a su liro. Lista. Entonces, en el caso de las ordinales, pues realmente uno lo que hace es utilizar otra cosa que no es la media, sino que yo puedo utilizar a una media o una moda. Y eso me va a permitir utilizar una cosa más adelante que es del código que todavía no lo vamos a ver. Una cosa que se llama el OneHode. OneHode en Coder que se utiliza para los nobles pero eso es el mismo frase está de acá y no le simplemente con que nos queden claras estas que están acá. Con eso ya ya tenemos bastante ganada. Ahora, en el caso de las variables que nosotros estamos trabajando aquí. ¿Cuáles de estas variables que nosotros tenemos acá? Y también voy a mirar. Son nomericas y cuáles son categoricas. O sea, categoricas son cualitativas, listo. Entonces, ¿cuáles son nomericas? Las que se representan con número. Entonces, la edad es el número. Es por semana. O si, data sets, informe. Esta es la edad de la clasificación. Según los ingresos. El educación está marcando como nomerica, Education No. ¿Qué sería esta que está acá? También es nomerica. Ganancia de la capital, perdida capital, ganancia capital y horas por semana. Esos son nomericas y las categoricas son las que se representan en palabras. War class, educación, marital estatus. Esas son las categoricas que se representan en palabras. Entonces, sí uno. Lo que va a hacer es, por ejemplo, que nosotros queremos separar columnas que son nomericas y con los que son categoricas, pues uno puede hacer esto. Puede utilizar web. Cuéntame Liliana. El que va a hacer es que si es una de las categoricas y esas otras. Se pueden separar como tipo de atos. Es decir, como nomericas, objetos, arreglos. Esas no diferenciamos a nosotros lo podemos terminar de código así. O esto de QCAN. Cuando tú hablas de tipo de atos, tú refieres a un tipo de atodo. Unirico, flow, o sea, ese tipo de atodo. Ok, sí. Realmente es justamente lo que vamos a hacer. A separarlas por ese tipo de atos. Esa es que las tipo de atos que son, por ejemplo, float o pint, o sea, enteros o como aflojante son nomericas. Y las que son empaeton, object son letras. Entonces es justamente lo que vamos a hacer mira. Yo aquí tengo columnas nomericas, es decir, de ese conjunto de X, necesito que me seleccionen los tipos de atos en donde me va a impluir. Y las siguientes tipos de atos. Se me es configurado este de clad. A ver, creo que es con alt, int. Ok, entonces, por ejemplo, yo le voy a decir que me incluya los que son enteros, int, el que le deciden entero. Y que me incluyas los pezón floats, porque el por defecto con el 64. Se hay que poner el 64 también. Y que me pasa, esos columnas a una lista. Espero que me haya quedado bien escrito, eso es una buena idea, la roda de ejeitación. Y le voy a decir, bueno, necesito que me pasa en las categoricas. Y aquí spawn los selectos, un par de types. Y necesito que me incluyas en este caso los pezón of defectos. Esos columnas me las pasa a una lista. Y yo aquí puedo imprimir. No me ericas. Olíos no me ericas. Y puedan imprimir. Olíos no me ericas. Y puedan imprimir. Antegojins. Y lo colocó Catcones. Espero ver escrito bien, entonces aquí ya me saco pares en las categoricas y coaliciones. Liste chicos, ahí ya llegamos a la ciclo. Es como siempre, se saben que yo tengo la plantilla completa. Mente desarrollar esta la explicación. Es por acá voy a hacer lo siguiente. Voy a decir, file, open. Notbook. Y aquí tengo a tener, se sienta. Machine learning. Se sienta. Machine learning plantilla es que está. Para que se se la estudian y de hecho en estos se pueden pasar. O sea, no tienen que hacer tohon, no es. Si no concentrarse en lo que les pida la guía, listo. Y aquí lo que voy a hacer es. Pualquiera con el link. Puede ver. Vamos a copiar el link. Don. Me voy a ir para el aula virtual. Me voy a ir donde dice el foro de dudas. Me voy a ingresar el Machine Learning. Aquí responde. Y voy a colocar. Buenas noches compañeros. Les comparto el enlace en desarrollo del colab con análisis de datos. No me gusta esto. Cuando estés me comparto en el enlace chicos. Quien piensa aquí con colab. Bueno, obo con eso. Quien piensa con colab y search y tome el asunto. Porque mira, ¿qué es que estén las empiezas con drive? ¿Por qué empiezas con drive? Le doy copiling. ¿Por qué el perfecto guardan el drive? Saldando. Sí, sí. No. Precio. Esa está guardada en el drive. Pero es verdad. Y me voy a dar un cosa. Voy a estar guardando así. Porque si yo lo hago así. Saben. En el pintaño miró algo. Cuando estés me compartan en el asunto. Pero, simplemente, ¿qué les queda con la dirección de colab? Bueno, acá no queda con la dirección del drive. No, pero creo que no va a quedar con el colab. O sea, es que... El préquea con el drive, exacto. Sí. No. Es un poco buen tico. No quiere ver comparte el vachad y lo haríamos. O sea, es que yo se los puedo compartir así. Y yo se lo pueden abrir así. Y si no, que a veces les toca dar con un pasito previo. El loco. Cuando nosotros lo compartimos directamente desde el colab, no sale el drive. Porque yo ya lo copía en el war y sale el colab. Reset. Exacto. Es que deberías abrir así. Es que seguro, saben por qué? Es seguro porque lo pegué acá. Es puede ser. Porque miran que si yo lo pego, aquí en un editor de texto, lo pega como colab research. Y a ver... Un misterio de la ciencia. Share. Este tiene que saber cualquiera con el link. Si yo lo ve copiling. Y entonces, lo más duro acá. Bueno, aquí se va con el drive. Y entonces, cualquier acción, el link puede haber hecho. Me voy a traer este. Ya dijeron pisos ahí, está limpiando el llegone hacia acá, listo, me gusta más acá. Así. Pero aquí siempre nos manda con esto. Seguramente el general enlace, internamente. Claro, es que cuando se pega como texto en el, en el foro, lo pega como el drive. Pero lo enlace al colar. Miran aquí en la derecha, se alcanza a ver. Es por eso. Creo que si te lo pegas en texto, le pega el link que no hemos con el colab. Mira, ahí se ve. Ahí le están viendo. Cuando yo lo pegas, se trae con el colab. Seguramente el foro, como esta forma te ha visto acá, lo pegas con el drive. Bueno, aquí le va a poner. Y ahora, puede no estar. Y si lo pegas, sí, para lo de su menú, no pongo enlace. Como gran pilla, para como Dios. Puedes que no, ya lo igualitán. Y ya le aplican su toque. Pero dan alguien, alguien está comentando algo. Y ahora ahí le va a poner chants. Y en que poner chants, se fue. Se fue ya en el la seco en el colab. Dice, ¿Uye en el chat? Tengo un poco de mensajes. Mira, ¿claro me estaba llegando la notificación de la mensaje de ustedes? Por eso no hay acá que tenía tantas. Bueno, en el arten, es como puede saber cuáles son las principales comunes que si así deben ir y cuáles sirven como complemento. ¿Pibertarias que si en precio te quisan? Puesa un pándose y un paí. Y más ploblip, esas que que utilizamos. Bueno, nombre es en español. Por si quieren la nombre es en español muy bien. ¿Qué pasa en las casas donde los datos tengan valores vacías como una cadena vacía? Diferente a una gran number, como lo dijimos. No, en la misma cadena vacía que... Bueno, si yo tengo una cadena vacía, el automaría como que es un valor glúbril. ¿Y listo? Tata, tata, tata. Listo. La profe pregunta toca hacer el análisis y la adecuación de datos para los datos datasets. Según lo que menciona la guía, si se debe hacer para los datos, ven a los noches compañeres que si no se vean creado algún grupo de WhatsApp. Puesa, aquí sigo se está mencionando la guía, si está haciendo los análisis de datos para los dos datasets. Ahora, no es que tengan que hacer todo, miren qué aquí lo que se está diciendo es, datos, análisis descriptivo de los datos que incluyen la medida de tendencia central, o sea, que como mínimo, la medida de tendencia central, pero también todos los datos faltantes, si hay errores de datos, si hay datos duplicados, o sea, que con lo que encontramos es suficiente, en la prata y ya que ya les pase, les estoy agregando también distribución de datos, e incurtosis, pero no es necesario que lo agreguen. Comentarle los resultados del tenido, si hay tres comentarios que parezcan adecuados. O sea, mínimo, esto, bueno, tendencia central, datos faltantes, si hay errores de datos o datos duplicados, y comentarle los resultados del tenido. Sobre todo esto, comentarle los resultados del tenido, si no me la analisis que ustedes hacen, para lo que me están preguntando, hay que hacer todo eso, como yo lo tengo en la plantilla, ¿no? ¿Y esto? Bueno, por acá, para las que están ganas de estar en el grupo de WhatsApp, y quieren pretener ser, por aquí les están mandando el enlace del grupo de WhatsApp. Bueno, no tengan ahí presente. Bueno, chicos, igual que a pendiente también por el correo, por el forado despreferígamente por el correo, porque me le llega a la notificación. Bueno, así que hagamos entonces, ya más o menos, dice, profe la grabación, cuando queda cargada la plataforma, y Andrés, como se supone que en media hora, donde la encuentran, se meten por acá, Open Class, y aquí dice Cloud Recordings. Miren que aquí está la sesión de la clase pasada host, ustedes sí lo pueden ver, ¿ciertos? Miren, Open Class, Cloud Recordings, y aquí sesión uno. Dice, profe, lo en es 23, ¿tres? ¿Tres? ¿Tas el plazo de entrega así? Sí, no se va a complicar mucho se hagan, solo eso que dice, ahí me he de tenderse a central, de datos faltantes, lo que dice ahí en la guía, allá en la lálicis, en el mismo cólapo, y en hacer, con un dataset y con el otro dataset, responden las preguntas que están en el principio. Al principio, pues qué le demostré, qué cuáles son los criterios para escoger los datos, y eso qué le emocione en la actividad 2, sacan ahí sus conclusiones y agregan referencias. Sí, hacer lo mismo en cada dataset, dependiendo pues de los tipos de datos que se presentan. si van Pablo. Bueno. El que penamos les hacerlo necesariamente con los datos que usted nos pasó no podemos sacar datos aparte para trabajarlos y no tienen que ser exclusivamente con esos dos. Preferiblemente, o sea, no los que ya les poseen los que están ahí en el amex. Lista. Ahora, si usted tiene otro dataset y quiere hacerlo mismo, pero lo que es lo que se llama la fuente del dataset. Si me gusta entender, o sea, ¿de dónde sacaron los datos? Listo. Bueno, y así es el regeo. Ah, dataset. Eso es como un paquete encalentando, listo. Acerto, decían nada, listo, esto es más largo, pero. Liliana, cuéntame lo todo. Perdón, pero es como para reírcer a la vida en el claria, porque esto es al principio, porque no estoy en los primeros minutos. Pero, vamos a hacer, no vamos a hacer el worko, tal con las normas apacinos simplemente es la putada y el link al dataset se interviene a los boot IDA y toda la explicación que queramos, así no es más apanina. Yo lo ha dicho. Ah, ojo, ojo, de las normas apaciles bien referencias en la rúrrica y qué hacer referencias. Sí, sí, sí, sí, a la vez que lo que hay. Sí, eso se pone en al final, si toca, sí, porque a nosotros nos está llanando acá, eso es muy chacha, hay que enseñar referencias porque cuando presenten la monografía, el trabajo de grado, no sé qué blorla bloria y referencia y no saben hacer referencia. Entonces, sí, hay que agregar referencias, recuerden la rúrrica, lo que está en la rúrrica, lo que se igual, si ustedes lo hacen el colapto, listo, todo bien, pero agregue todos los pasos que están en la rúrrica, me comparten en las. Así como les explicamos el principio lista. Bueno, chicos, nos vemos dentro de 8 días. Gracias a ustedes que les vayan muy bien con este trabajo de la rita. Bueno, también, chao. Gracias. Gracias. Gracias. Gracias. Hasta luego. Gracias. Gracias. Vengo. Vábramos. --- ## Segmentos con Timestamps **[00:00 - 00:12]** para estar de chicos vamos a esperar 5 minutos para iniciar la sesión **[00:12 - 00:14]** hasta la vez **[00:15 - 00:18]** buenas tardes **[00:20 - 00:23]** buenas tardes **[00:31 - 00:33]** buenas tardes **[00:34 - 00:37]** buenas tardes **[00:38 - 00:40]** ¿Aleón es Serles? **[00:41 - 00:44]** a las tardes compañeros **[01:07 - 01:10]** buenas tardes **[01:37 - 01:40]** buenas tardes **[02:07 - 02:09]** buenas tardes **[02:37 - 02:40]** buenas tardes para todos **[03:07 - 03:10]** buenas tardes **[03:37 - 03:40]** buenas tardes **[04:07 - 04:10]** buenas tardes **[04:37 - 04:40]** buenas tardes **[05:07 - 05:09]** buenas tardes **[05:09 - 05:11]** vamos a dar a la sesión de hoy **[05:11 - 05:14]** inicialmente como resolviendo algunas dudas **[05:14 - 05:19]** pues llegaba la solicitud de uno de ustedes **[05:19 - 05:22]** eso llegó a alguien **[05:22 - 05:28]** es que le hubiera en acá por el correo que si daba la posibilidad de que esta **[05:28 - 05:31]** primera vez **[05:31 - 05:33]** se hiciera de manera grupal **[05:33 - 05:35]** o no se anvará acá **[05:37 - 05:42]** ese trabajo y vayá ya vamos a mirar en que consiste esta actividad de la semana **[05:42 - 05:45]** dos generalmente es un foro **[05:45 - 05:49]** pero seguro porque es una materia del primer **[05:49 - 05:51]** para la semana **[05:51 - 05:53]** y si no se puede ver **[05:53 - 05:55]** si no se puede ver **[05:55 - 05:57]** si no se puede ver **[05:57 - 05:59]** si no se puede ver **[05:59 - 06:01]** porque es una materia del primer **[06:01 - 06:02]** el patrimestre **[06:02 - 06:04]** en estos momentos es **[06:04 - 06:06]** individual **[06:06 - 06:11]** algunos compañeros **[06:11 - 06:13]** me manifestaron que **[06:13 - 06:15]** en la materia de fundamentes **[06:15 - 06:19]** por eso lo sabían dejado trabajar en grupo **[06:19 - 06:23]** no sé si de pronto me puedan como poner al tanto de eso **[06:23 - 06:27]** o quien de pronto me puede comentar algo sobre eso **[06:29 - 06:39]** Pues básicamente lo acuerdo que se llegó es que pues podríamos trabajar en grupo, igual **[06:39 - 06:49]** forma cada uno subiría su tarea, o sea, subiría su tajer, su archivo acá en la actividad, **[06:49 - 06:56]** mejor dicho, pero que por lo podríamos desarrollar en equipo las que son individual y pues **[06:56 - 07:02]** subí a vente las que son ya grupal pues si las desarrollaríamos entre dos. **[07:04 - 07:11]** Ok, o sea sería como ustedes armarlos equipos, los grupos trabajan en grupo pero pues cada **[07:11 - 07:18]** elemento que integrante del grupo sufre su trabajo. Correcto, pero así es. **[07:19 - 07:26]** Ah, listo, es que sí, o sea, yo no tengo lío sino que como esto por acá bien bien **[07:26 - 07:32]** configurado para entregar individual les voy a mostrar por acá, si en momento aquí **[07:32 - 07:47]** a subir actividad y me meto a para que se editar. Es de trabajo en particular pues está configurado para **[07:48 - 07:52]** estar en grupo. **[07:56 - 08:04]** Como en esta configurada para tarea del grupo entonces pues acá uno le tocaría mandar el trabajo. **[08:04 - 08:11]** Si es así, no hay ningún problema, eso sí, lo que pasa es que cada uno tiene que mandar su trabajo. **[08:11 - 08:21]** Porque si ha de pronto algunos no mandan el trabajo y dicen no es que fue la nitro lo mando por **[08:21 - 08:31]** nosotros entonces el sistema inmediatamente, inmediatamente el sistema le exponer. **[08:31 - 08:38]** Entonces la cosa es que ustedes deben mandar el trabajo o sea cada uno manda el trabajo si sea **[08:38 - 08:48]** el mismo mejor dicho listo y pues obviamente la puerta colocan que cuáles son los integrantes **[08:48 - 08:58]** del equipo de igual manera recuerden que ustedes crean los grupos por acá listo, espero que ya **[08:58 - 09:07]** vayan como creando los grupos, aquí los vamos por el inicio, aquí puse trabajo y pese a algunos **[09:07 - 09:16]** me comentaron qué les habilitará más grupos, aquí hay algunos grupos disponibles, 24, 23, 22 están **[09:16 - 09:25]** disponibles y por acá el grupo 4 está disponible completamente por si se quieren apuntar ahí, **[09:25 - 09:29]** faltan 33 compañeros para que se apunten en esos grupos. **[09:30 - 09:36]** Listo, la que pasa es que yo podría habilitar esta tarea como se ve sobre, o sea para **[09:36 - 09:42]** nadie podría habilitar esta tarea como grupo perigual no me quiero como arriesgar porque no sé **[09:42 - 09:50]** si pueden presentar algunos problemas de complicuración y por eso se daría sin conveniente. **[09:50 - 09:56]** Perfecto, pero no es que habilites como que la entrega sea grupal sino que cada uno **[09:56 - 10:02]** puede subirlo y no pasa nada o sea que lo dejamos, el desarrollo lo 5 pero cada uno de nosotros **[10:02 - 10:11]** no se puede habilitar. Sí, por eso es que porque si estaba pensando, eso lo entiendo, estaba pensando **[10:11 - 10:17]** no habilitarse los como grupo y pues lo subía uno solo y ya listo, queda más subido como equipo **[10:17 - 10:23]** de trabajo y no tenía que ponerse cada uno de los trabajos, era como más breve también para **[10:23 - 10:31]** ustedes que no les toca nada, pero como esta configurada así, ni nada, cada uno le toca **[10:31 - 10:37]** subir el trabajo, pero si no hay idea de que colocan pues como los nombres de los integrantes, **[10:37 - 10:45]** pues ahí ya yo me haría para colocar las calificaciones bueno, no, no resto voy a leer aquí **[10:45 - 10:54]** un poquito el chal, bueno, buenas tardes, Andrés, la idea es que usted sepa que nos entienda **[10:54 - 11:00]** plajes, antiagos y no hay líos y marcan el trabajo, no, a ver, esta puente si son más de cinco **[11:00 - 11:05]** páginas del trabajo, no, no hay lío con eso, Diana Maritza, cuéntame. **[11:05 - 11:16]** buenas tardes, tengo una consulta con base al tallero que estamos desarrollando, porque bueno, **[11:16 - 11:24]** pues allí yo estuve revisando, son dos data set, entonces hay que hacer el trabajo uno por uno o **[11:24 - 11:32]** los unimos, no hay que hacerlos aparte, aparte, ok, sí sí sí hay que hacer el análisis de datos aparte, **[11:33 - 11:41]** ok, está bien, muchas gracias, vamos a mirar, bueno, que pena, pero se puede hacer en el mismo notebook o **[11:41 - 11:48]** tocando, se puede hacer en el mismo notebook, pero que si el análisis es variable, independientes, **[11:48 - 11:57]** la análisis es bien independientes, sí, sí sí sí, porque son los datos distintos, sí, son diferentes, **[11:57 - 12:13]** ok, bueno, listo, vamos a mirar entonces, acá vamos ahora sí, semana 2, **[12:13 - 12:20]** descripción de varias aulas, dicele a hola más cordial bienvenida la semana 2 del curso **[12:20 - 12:28]** Machin Learning durante esta semana, la forma de escribir varios dependientes, independientes, **[12:28 - 12:35]** como tendencia, describir, perdón, variables dependientes, independientes, como tendencias central, **[12:35 - 12:39]** dispersión, distribución, índices y gráficos, así mismo, comprenderá la importancia de **[12:39 - 12:48]** la análisis de datos para el desarrollo de modelos de Machin Learning, ok, entonces me voy a ir a la **[12:48 - 12:53]** actividad en la actividad ahora sí, como les había dicho en la primera clase, pero siempre **[12:53 - 12:57]** que me llamo siempre a una actividad, yo voy a le dey con una parte a leer esto, mirad, entonces **[12:57 - 13:03]** qué es lo que hay que hacer, dice, tengan cuenta la siguiente pregunta, seriancítadas para desarrollar **[13:03 - 13:08]** la actividad, cuál es la metodología para escribir datos que se aplicaran a los modelos de Machin Learning, **[13:08 - 13:15]** qué procesamiento se debe realizar a los datos para su adepación, bueno, aquí hay unos recursos para **[13:15 - 13:25]** consultar, no necesaria obligatoriamente, tienen que ser estos recursos, sobre todo en este libro **[13:25 - 13:32]** en particular, aquí dice va a ser datos uno y dos del UCI Machin Learning Repositorial, la **[13:32 - 13:39]** NXO1, aquí pues no están dando directamente los enlaces, ya les voy a explicar cómo va todo el **[13:39 - 13:44]** asunto, dice, tome a punto su suprayel, las ideas principales de los documentos consultados **[13:44 - 13:50]** con el fin de contar con los elementos conceptuales necesarios para resolver el taller de forma **[13:50 - 13:55]** equada, además realicione investigación adicional en fuente de información verídica, así confiables **[13:55 - 14:01]** que le permita complementar la información, actuar, a partir de la información revisada y la **[14:01 - 14:08]** consulta a los materiales de la semana, resuelva el taller, primero, realicional lectura previano, **[14:08 - 14:12]** documentos y procesar el NXO, que contiene las indicaciones para el desarrollo del taller, **[14:12 - 14:17]** aplicando los conceptos abordados en la bibliografía y teniendo en cuenta el procedimiento que se **[14:17 - 14:24]** menciona, redacte afirmaciones, descripciones o argumentas que son por ten cada uno de los elementos **[14:24 - 14:29]** e integrelos a las categorías correspondientes, seleccione la base de datos a trabajar con el enlas **[14:29 - 14:35]** indicado, descarguerlada, tan el notebook o colab para acceder a Google Colab ingresión **[14:35 - 14:39]** siguiente enlace, posteriormente sigan los instrucciones que describen el NXO1, **[14:40 - 14:45]** prepara el conjunto de datos confiable a partir de la limpieza de datos, la identificación **[14:45 - 14:51]** y eliminación de errores y datos duplicados, realice el análisis descriptido de los datos de **[14:51 - 14:56]** acuerdo con el tipo de variante categórica o contino, cuya es la presentación redacción **[14:56 - 15:01]** y ortografía, o se correctamente la norma de redacción con el fin de que escriban texto claro, **[15:01 - 15:07]** preciso y coherente, en el que se evidencia una estructura concreta y las ideas se relacionan **[15:07 - 15:11]** de forma fluida y articular, recuerde que sus referencias y citas deben apegarse al **[15:11 - 15:17]** ando armazado, incluyona apartado en el que agrega el título del trabajo, si nombre completo, **[15:17 - 15:21]** el nombre del curso y el número de la semana, el nombre del tosente y la fecha en trica, **[15:21 - 15:26]** bueno, finalizar el taller el estudiante tendrá las habilidades para preparar con **[15:26 - 15:33]** un conjunto de datos confiables, entonces acá si nos aparecen tanto este, no sé, no voy a **[15:33 - 15:46]** mirar si esta recurso está disponible, el que corresponde al libro, ok, y tenemos esta base **[15:46 - 15:55]** de datos uno y tenemos esta base de datos dos, que son las bases de datos con las cuales se van **[15:55 - 16:03]** a trabajar y tenemos el anexo uno, entonces si nos detrás vamos a la anexo uno que de pronto **[16:03 - 16:09]** hay compañeritos a los que no sé porque no les carga puede ser un problema de cookies, pero de **[16:09 - 16:12]** mi momento como voy a descargarlo **[16:25 - 16:38]** o voy a subir aquí al chat, por si me preguntan algo que no lo haya podido descargar en la anexo **[16:38 - 16:47]** pero ven, yo soy realizando los otros anexos de las otras semanas y pasa lo mismo y no solamente **[16:47 - 16:54]** es con esta materia sino con la otra, no sé si es de la plataforma, sí puede ser un problema **[16:54 - 17:00]** de la plataforma, porque nos hemos encontrado con eso este cuatro y meste, no está dejando ingresar a los **[17:00 - 17:05]** anexos, hay algunos que pueden ingresar a los otros que no, no sé si es un problema de **[17:06 - 17:11]** con las cookies del navegador o qué pasó ahí, yo no he podido tampoco **[17:11 - 17:20]** descargar en la anexa, no me salí los anexos en el sitio, ok y parece hacer que eso está ocurriendo **[17:20 - 17:25]** entonces puede ser entonces una asenta de privilegios, entonces decir que lo está dejando **[17:25 - 17:34]** descargar a los profes pero no le sueste de antes, a mí sí, a mí sí me dejó de eso, pero a mí sí me parece, sí a mí **[17:34 - 17:42]** también me parece, eso está bien misterioso, ok, estos dos anexos que aparecen base de a todos **[17:42 - 17:49]** universidades todos, sí aparecen en el sistema, sí, los pueden descargar, pero el taller del primer taller, no? **[17:50 - 17:57]** ok es porque sí porque los anexos perdán, más de datos y unitos en los enlaces a otra página, **[17:58 - 18:05]** pero es que están viendo ahí en pantalla es un PDF que está dentro del repositorio de un **[18:05 - 18:13]** minuto, entonces seguro no están lesando bien, de todas maneras si tienen inconvenientes igual me dicen y **[18:14 - 18:23]** yo les vale la clase siempre hago esto, siempre arrancamos con esto y les mando a la archie y me escriben si algo **[18:24 - 18:32]** si no lo pueden descargar y cuando se los pueda juntar por el aula virtual para poderse los enviarse, **[18:32 - 18:39]** si a los escargot como PDF se los envío por si existe ese problema igual a dice los enviar el chat para que le pegue la mira **[18:40 - 18:48]** le estaba manejo de las cosas realmente la clase va a estar orientada, esa vez a trabajar con esto se van básicamente vamos como adelantar la tarea hoy **[18:49 - 18:58]** bueno completamente pero si miren entonces dice vamos a leer esto, siempre me va a la práctica alquisición y la ecuación de va a ser de datos objetivo, **[18:59 - 19:04]** aplicar el proceso de la ecuación de la data limpia a los conjuntos de datos proporcionados para **[19:04 - 19:15]** utilizar los en los modelos de machine learning, las datos de proporcionaron formato cse o es descargar en los siguientes enlaces y aquí tenemos los enlaces ya vamos a pegar una miraita a los enlaces **[19:16 - 19:24]** pasos a seguir orientativo preparan con un montón de datos confiante, realizar la carga de datos de Python en Google Column orr estudio **[19:24 - 19:38]** bueno digamos que la plataforma de falta que se va a utilizar es colap porque nos permite hacer notebooks, no pues son esos archivos bonitos en donde no puedes clicar el código y puede ir explicando qué es lo que va haciendo **[19:39 - 19:46]** analicen descripción de los datos que incluyan la media de tendencia central, el tratamiento de mis y identificación el **[19:46 - 19:55]** iluminación de errores, datos duplicados, como tal los resultados obtenidos y otros comentarios que parezcan adecuados, el enlace tal contiene la información **[19:55 - 20:02]** necesaria sobre los datos, la variable respuesta es class name, los datos, trata de información relacionada con el botón de las elecciones **[20:02 - 20:12]** americanos, aquí nos explican cómo hace pues la carga de la edad, el enlace contiene los datos e incluye 8 variables **[20:12 - 20:25]** categoricas y 6 variables continuos, que sería este y bueno aquí se hace la explicación de la carga de los datos, lo que vamos a **[20:26 - 20:45]** comentar eso es la evaluación máxima de 5 páginas, se puede usar el reo python, se va a comentar los resultados obtenidos y el código, de plan según la idea la guía docente, organización, bueno en el caso de r yo no he trabajado r, trabajo python y colap **[20:45 - 20:56]** algo compañero me estaba preguntando la clase pasa si se podía hacer en r, pese el análisis de datos, si se podía hacer en r, pero yo no sé si se puede **[20:58 - 21:09]** repermite hacer notebooks, la chave de colap, es que como permite hacer los notebooks, entonces uno puede hacer todo el archivo explicativo con el código, mostrando pues todo el **[21:10 - 21:26]** desarrollo, si en r se pueden hacer notebooks bonitos, haga le lo puede hacer en r, cosa que no le toca como popular y pegar imágenes, o sea como tomar pantallas si no sé si se pueden hacer esos notebooks bacán **[21:26 - 21:41]** entonces iguales en la acción, yo creo que ya ustedes más o menos han ido calentando un poquito en términos de que es lo que hay que hacer, bueno ustedes saben que colap **[21:41 - 21:53]** es igual en fundamentos ya se le han explicado otros ya lo sabrán porque ya he visto en la encuesta que ustedes respondieron pues que hay ya bastante **[21:53 - 22:09]** compañeritos pues que tienen como una idea de este asunto de igual manera pues yo tengo que partir como un poco de desertos, este saben que nosotros tenemos colap y la dirección de colap es colap.ruisarch **[22:09 - 22:34]** punto de google.com y la cuestión acá es que colap es una herramienta que está dentro de la cuenta de correo de gmail de la suite de google que es gratuito y que nos permite hacer notebooks, notebooks es simplemente como una herramienta en donde yo puedo apuntar **[22:35 - 22:49]** tanto texto como markdown, entonces un markdown es un tipo de documento en donde yo puedo ir escribiendo muy bonito pero después puedo agregar codigos. **[22:50 - 23:04]** Entonces cuando yo ingreso aquí a la cuenta de colap es simplemente hago new notebook para empezar un libro nuevo este es van a observar que tenemos este **[23:04 - 23:25]** site de facebook y aquí en la parte de arriba pues yo puedo cambiar el nombre y no sé, yo puedo colocar sesión 2, la descripción de variables y por colocar pues el nombre de cada un listo. **[23:25 - 23:36]** Cuando yo arranco con este modo voy a dar cuenta que aquí adentro es van a encontrarse un editor de texto en donde vamos a tener dos tipos de cosas que se llaman celdas. **[23:36 - 23:50]** Una celda son celdas de código y otras celdas son celdas de texto. En la celda de código pues yo lo que voy a poder escribir es código en este caso va a ser código de python. **[23:51 - 24:00]** Y ese código de python pues se va a representar o se va a mostrar simplemente como ese código de python. **[24:02 - 24:07]** Estoy dando un ejemplo no sé entrando pues como en la parte de explicar el código como tal. **[24:07 - 24:24]** Y lo que pasa con esto es que cuando yo empiezo a ejecutar el código que lo hago con control entre o simplemente lo voy aquí donde dice un orban o clip derecho y le digo corra esta celda. **[24:24 - 24:40]** Entonces se va a levantar una cosa que se llamo como una instancia. Una instancia es un computador si te opor allá en los servidores de google que le dan a usted para que usted trabaja y que está aquí en línea. **[24:40 - 24:52]** Entonces esta instancia lo que tenía instalado es python y yo puedo subir tanto archivos que yo descarguy allí que los arrastro o puedo subir archivos desde el drive de google. **[24:52 - 24:56]** Y esa instancia pues va a tener varias cosas primero. **[24:56 - 25:14]** Yo puedo aquí donde dice room time puedo digamos cambiar el tipo de room time y el tipo de room time es que yo puedo cambiar el tipo de máquina por la que quiero trabajar. **[25:14 - 25:25]** En este momento y por defecto se trabaja con cpeb, pero yo puedo cambiar y decirle vea necesito que me trabaje con una tarjeta gráfico de cuatro o cpeb. **[25:25 - 25:43]** O alas y la cosa pues que a veces esta depende la disponibilidad y a veces usted va a correr archivos muy grandes o que ocupan demasiado en medio pues le pronto se le interrope la dejad tirado y le ha de trabajo a medias. **[25:43 - 26:05]** Seren algo para pues la verdad la mayor legal de los trabajos que nos vamos a hacer con cpeb es suficiente si usted le pronto si oriente por seguir en desarrollo más avanzado no sé porque quiere hacer analicite datos quiere dedicarle más tiempo pues entonces aquí dice que si quiere acceder a gpeb, **[26:05 - 26:23]** entonces dice que puede comprar computación adicional y aquí pues ya uno aquí estamos en modo gratuito pero si usted necesitan más poder y más disponibilidad de gpeb, pues hay unos planes mensuales, es un colab pro colab, **[26:23 - 26:38]** es de 43 y este de 215 mil pesos, entonces ac y es simplemente para qué lo sé. **[26:38 - 26:46]** Y entonces es importante saber que esto que está acá es simplemente un computador que yo puedo hacer de manera remota y que tiene paid. **[26:46 - 27:06]** Además de tener estas celdas pues hay otras celdas que son celdas de texto, miren que si yo paso el modo aquí arriba pues voy a poder colocar o hacer clic donde dice text y aquí pues puedes escribir con cierta formato haciendo doble clic y voy a poder utilizar un tipo de **[27:06 - 27:35]** escritura que se llama mark down y esa escritura es esta manera mark y da un es el formato 13 utiliza acá, entonces aquí pues lo que yo voy escribiendo aquí va apareciendo como la vista previana de lo que yo voy a siente y pues el mark down aquí están los botoncitos que me permiten hacer un montón de cosas, ponerle negría, ponerita, lica, crear en las agregar imágenes o sea que por eso es **[27:35 - 27:52]** colapes chévere porque yo puedo crear herramientas y más bien documentos porque tengo unas herramientas que me permiten mostrar un documento bonito, entonces si yo quiero simplemente seleccionar. **[27:52 - 28:14]** Estos estados en esta celda que te dan por defecto si te pasas el mouse aquí arriba te dice que puedes agregar una celda de código o una celda de texto y si te pasas el mouse, **[28:14 - 28:33]** aquí arriba te dice que puedes agregar una celda de código o una celda de texto y si pasas aquí el mouse te bajito puedes agregar una celda de código o una celda de texto pero pues en este caso pavá, por ejemplo aquí yo lo que hice fue que pase el mouse acá y **[28:33 - 28:44]** creo que una celda de texto, entonces me apreza esta celda de texto me quedaron ya dos celda de texto si yo quiero editarlos pues hago double click y ahí me puedo meter. **[28:45 - 29:00]** Entonces ese markdown son como unos códigos que me permiten hacer formatos también bonitos, ¿Qué pasa que si se no se quiere meter con los códigos de esos formatos pues aquí están los botancitos? **[29:00 - 29:15]** ¿Por qué digo que códigos porque ese tipo de archivo markdown? Si por ejemplo no hace esto, le ponió un signo de número y aquí escribe un markdown o la palabra que ustedes quieran digamos el título. **[29:16 - 29:43]** Mira en qué en la vista previa va a aparecer el chomadrán si yo colocó dos sin bolos numerales pues esto puede ser un subtítulo y va a aparecer más chiquito y si yo coloco tres numerales entonces no sé por poner un encabezado más pequeña y me apreza más pequeña si coloco si nos de **[29:44 - 30:10]** los que son estos asteris, pues asteris como me va a servir para hacer una grita y si quiero empezar a ser como listados entonces por poner uno aquí por poner dos y me van apareciendo listados aquí bonitos con esos involuntos que están ahí esos que queréis poner la de los involuntos y los chagep también le llaman hacer como estos marcados a transformar. **[30:11 - 30:22]** Si no pues entonces si ayuda con los tutones que están acá por eso les digo y le reitero que aquí ustedes cuando por ejemplo van a entregar el trabajo **[30:23 - 30:48]** entonces cuando ustedes van a entregar el trabajo pueden hacer esto, voy a abrir aquí, es que tengo es en document B, donde aquí como los war, entonces ustedes empiezan a hacer su trabajo normal en war, lo que se trabaja **[30:48 - 31:17]** en el placer de dice, no sé, trabajo semana, dos descripción, de variables, la segmentura, machila, presentado por sí, entonces a ver **[31:18 - 31:36]** y bueno ustedes si quieren pueden empezar a desarrollar como toda la teoria acá, esto es una opción y por aquí debajo es decir, de colocar siempre pero pues no así sino que digamos que adcontamos él en la sec del colab **[31:37 - 32:02]** y es cuando ustedes adcontan él en la sec del colab para adcontar en la sec del colab ustedes ven aquí donde dice Shale, hace en click en Shale, compartir y aquí le dicen Copi Link pero aquí no lo van a dejar en restrictos sino que dicen cualquiera con el link puede ver **[32:02 - 32:19]** sí o de mi caso pues como se me lo van a compartir pueden colocar editar, aunque por lo menos que lo pueda ver listo para yo poderlo obviamente ver, entonces aquí tiene que quedar, que lo pueda ver cualquiera con el link puede ver **[32:19 - 32:30]** para que no se pongan pues como escribir mi correo y entonces acá le dan Copi Link, copiar el link y aquí viene y lo pegan **[32:30 - 32:40]** entonces es muy muy importante que ustedes me pasen en la sec del colab y yo ya entro en este colab y lo reír, entonces a ver **[32:40 - 32:52]** si hay cómodos formas, como entregan los trabajos generalmente los compañeritos, hay compañeros que desarrollan como una parte la te hace obviamente que ponerle la portada, **[32:52 - 33:07]** esto que digo acá trabajo tal, la escenatura presentada por etc etc como tal el protocol y dice en la segunda hoja simplemente coloca, adcontamos en la sec del colab y pú, yo me voy a dar en la sec del colab **[33:07 - 33:18]** pero en la sec del colab no va a ser solamente código sino que sea una descripción bonita del trabajo se responden las preguntas que se les hacen **[33:18 - 33:47]** que recuerden que la actividad tiene dos preguntas entonces aquí hay que colocar la carreta de las preguntas, hay compañeritos que lo hacen así, presentación en la sec del colab, yo me voy a dar en la sec del colab y ya reviso, las preguntas que hayan respondido, la teoría, el análisis de datos que ustedes hayan hecho con el código y tal la explicación, o sea un colab, así súper bonito, esa es una opción que a mí me parece muy chévere **[33:47 - 34:15]** la otra opción es que hay compañeritos que por ejemplo colocan en la presentación y aquí debajo pues responden las preguntas, escriben como una teoría, las pues ser que es la referencia sovió y pero también a juntar en el as del colab y de todas maneras pues yo me voy acá y reviso el colab, o sea si o si el colab hay que agregarlo porque entonces dónde está el código y las preguntas, o sea lo pueden hacer de esa manera **[34:15 - 34:34]** si lo pueden hacer todo en colab mejor y mandáles en el acel acá, la tabla de presentes, la puerta y colocamos en el acel colab, volve como un particular en el acel colab y yo ya entro aquí a revisar, ustedes saben respondido las preguntas y todas las preguntas **[34:34 - 34:46]** entonces este colab es para un acero como pruebas para analizar datos realmente es bastante poderoso antes de que es gratuito **[34:46 - 34:54]** y aquí es donde ese pieza general pues como la magia de la análisis de datos de inteligencia artificial y todo el asunto **[34:54 - 35:05]** de hecho esta clase es más orientada como a una parte de la análisis de datos más que aprendizaje automático, listo **[35:05 - 35:16]** entonces ya si usted quiere ir ejecutando el código que es lo recomendable cuando escribamos un pedacito de código, usted puede darle control enter **[35:17 - 35:28]** control enter que es generalmente lo que hago yo porque es poquito más rápido y entonces al hacer control enter pues ejecutar la celda que tiene código, la celda que tiene texto pues no se va a ejecutar **[35:28 - 35:42]** ya vamos a hacer más código a esto, listo entonces eso es como el asunto en general del colab los que ya han trabajado en ciencia de datos pues lo tendrán un poquito más claro con esto **[35:43 - 35:56]** que no es tan difícil de usar, bueno entonces lo importante es pues como que vayamos entendiendo que es o por qué va ocurriendo lo que va ocurriendo **[35:56 - 36:08]** luego de esa pequeña introducción a colab que yo les hago por tiempo la vez pasada entonces ahora si vamos a mirar la tarea como tal **[36:08 - 36:26]** entonces tenemos yo aquí tengo ya un colab preparado aquí hay un texto ya hecho porque pues yo no lo una buena parte no lo voy a digitar porque si no aquí si nos va a mientlo me puedo digitar pero hay otras partes y las voy a digitar para que nos vocalicemos en eso que es indiguitar **[36:26 - 36:54]** entonces mira yo aquí tengo un colab, usted por ejemplo podría marcarlo entonces semana dos está tratada y aquí ponerlo ser trabajo presentado por un plano por entonces aquí un plano y acá suitando **[36:54 - 37:14]** entonces no sé fácil y la dura y me manchimé a mi etcétera va a hacer toda la marca acá y pega el colab o sea que era el pdf pegas del hace el colab **[37:14 - 37:38]** y si todos lo hicieron acá pero no hay lío lo revisionó el colab, vale también completamente vale ya le dije que cualquiera de las dos opciones son válidas tratan de no pegar el enlace como en el comentario eso sino uno puede hacer comentarios de tarea no peguen el enlace ahí peguenlo entre el trabajo que bien lista **[37:38 - 37:57]** bueno dice el datacete que se va a trabajar se llama adult sensus incómodo adulto sensual ingresos entonces pues es lo que te digo estas sesiones que es es creando regales independientes y dependientes usando tipo de variables **[37:57 - 38:06]** cuantitativas y cualitativas o sea que lo que vamos a hacer es orientarnos en eso y a mirarlo del intelí y también en poco lo que sea hacer con la hacer un poco esta distica **[38:06 - 38:15]** descripción un poco de tendencia central un poco de expresión de distribución algunos índices y gráficos por si no en el tiempo **[38:15 - 38:30]** de que trata esta a hacer lo primero que no tiene que hacer cuando buscamos las ets que era lo que nosotros decíamos en la clase anterior **[38:30 - 38:42]** permitan que es que tengo los sendos aquí oculta ya la clase anterior era que hablábamos de datacets y lo que primero debemos hacer es saber de que tratan de datacets **[38:42 - 38:56]** aquí particularmente nosotros en el anexo esta hora aquí tenemos dos datacets esta datacets que vamos a trabajar acá en la clase frontal no va a ser de houseboats **[38:56 - 39:15]** de los votos sino que va a hacer el que corresponde a allí incomodo entonces dice que el datacet aduncensus incomprovener el centro de Estados Unidos y se usa por un problema clásico de clasificación predesicional persona **[39:15 - 39:25]** gana más de 50 mil o lo que ganas menor igual a 50 mil al año a partir de varios sociófemográficos y laborales **[39:25 - 39:35]** característica relevantes para este hacemos incluye varios de los médicas y categoricas mixtas tiene valores faltantes rotositados como el signo de interrogación **[39:35 - 39:47]** permití aplicar tanto está desigando médicas media desviación como una licente frecuencia moda barres y la fuente es Usei que es esta página que nosotros vamos a ver acá **[39:47 - 40:02]** si ya me voy a estén las es el mismo en la clase que están en el anexo y hago clic en el enlace y me voy para acá el lo que van a hacer ustedes hacer clic ustedes se van a encontrar un resto de datos **[40:02 - 40:13]** aquí hay un montón de datos si los otros voy a volver a que al principio voy a hacer un zoom para que lo van a ver un poco mejor **[40:13 - 40:23]** ustedes se van a encontrar con que aquí vamos a tener unas filas y estas filas pues no tienen nombres en la parte superior **[40:24 - 40:37]** tienen un numerito que está acá aquí vamos a tener otra columna que llamo saber de qué trata y simplemente nos dan una serie de datos que están separados por comas **[40:37 - 40:52]** no nos dan nada más todavía nos sabemos esto de qué trata y acá dentro de esos datos pues si no ponen encima lo que está observando es que aquí está hablando de la primero **[40:52 - 41:02]** segundo trasera cuarta columna a la al parecer de el tipo de educación entonces bachelores una persona que tiene un pregrado **[41:04 - 41:06]** aquí parece ser que hay **[41:09 - 41:12]** lo que aparece antes de graduarse en graduarse **[41:13 - 41:19]** esto es el high school grad o sea que es el graduado el high school este tenio más ter etc. **[41:20 - 41:30]** entonces cada una de estas cosas que están acá son los registros o las filas y aquí tenemos las columnas que son horizontales y todo esto es un data 7 **[41:30 - 41:41]** ahora siempre traten de que cuando tengan ustedes en datacete buscar qué pasa con el datacete o sea el datacete que es lo que quiere decir generalmente hay una descripción **[41:41 - 41:51]** entonces aquí de bajito hay un enlace como una descripción del datacete me voy a meter ahí y voy a irme a este enlace **[41:52 - 42:01]** entonces vale un poquito el zoom y dice adult donado en el año 1996 **[42:02 - 42:17]** dice para decir si los ingresos se anuales de un individuo exceden los 50 mil dólares por año pasados en la data que se hace el centro **[42:17 - 42:23]** también conocida como senso de los ingresos o datacete el centro de los ingresos **[42:24 - 42:30]** característica del datacete es un ultimo variado o sea tiene varias columnas varias variables **[42:30 - 42:38]** área, materia, ciencias sociales, tareas que se pueden hacer clasificación **[42:38 - 42:47]** tipos de características o sea las columnas como vienen, entonces hay columnas que son categoricas y hay columnas que son enteras **[42:47 - 42:57]** ya vamos a ver un poquito de instancias 48840 y cuando se habla de instancias hace referencia a cuantas filas **[42:57 - 43:08]** bien el datacete en este caso el datacete tiene 48842 pilas esas son las instancias de un datacete las filas **[43:09 - 43:21]** y tenemos las los features o características las características son las columnas que tiene el datacete que en este caso son 14 columnas **[43:21 - 43:29]** y aquí nos dan una información adicional dice que la extracción fue hecha por el señor barrio Eker **[43:30 - 43:38]** el senso de las basas de datos de un senso de 1994 y un conjunto razonable con un conjunto **[43:38 - 43:48]** limpieza de conjuntos, limpieza de filas fueron extraidos usando las siguientes condiciones y aquí se presentan unas condiciones **[43:48 - 43:56]** inicialmente no necesariamente las vamos a necesitar, por lo que vamos a hacer **[43:56 - 44:06]** la dareta de petición o determinación a persona puede llegar a ganar 50 mil al año o su sueldo puede estar con el 50 mil **[44:07 - 44:21]** tiene valores faltantes si tiene valores faltantes y aquí viene como la parte importante que uno siempre debe saber y es que columnas tiene el datacete **[44:22 - 44:33]** entonces miren que aquí nos está hablando de nombre de la variable y dice que la primera columna es la edad o hacer esto **[44:33 - 44:37]** este primer marite que está apareciendo acá es la edad **[44:37 - 44:50]** luego, Workclass es el tipo de trabajo si es un trabajo de tipo privado y el self-employee es como independiente **[44:51 - 44:58]** trabajo federal, trabajo local, trabajo estatal sin paga o nunca trabajar **[44:58 - 45:04]** entonces miren que ese Workclass se divide en estos que nosotros tenemos **[45:04 - 45:07]** hay valores faltantes y hay valores faltantes **[45:07 - 45:15]** bueno, entonces aquí aparece otra que dice FNLWT pero no, está nascendo la descripción **[45:15 - 45:25]** este sería una característica y es un entero que sería este marito que nosotros tenemos aquí **[45:25 - 45:32]** educación, es otra característica de tipo categorico en el nivel de educación **[45:32 - 45:40]** es lo que representa esto, tenemos los bachelors, some college, algo de universidad, grados 11 **[45:41 - 45:51]** aquí tenemos, esto es de High School, Radway, Procoso de escuela hasta doctorado y los grados que van a círte **[45:51 - 46:01]** bueno, entonces aparte de ahí nosotros ya tenemos por lo menos que saber poco de que tratan las columnas que están acá **[46:02 - 46:08]** aquí tenemos también razas y están algunas relaciones que ocupación se encuentra cual es su género **[46:08 - 46:13]** y listo, aquí la importante es tener estos nombres de estas columnas **[46:13 - 46:24]** okey, vamos entonces ya tenemos una idea de lo que pasa, ya te estará empezar a hacerle en análisis **[46:24 - 46:33]** vamos a empezar a escribir un poquito de código en Python, entonces cuando uno trabaja en código de Python **[46:33 - 46:44]** pero primero que tiene que hacer es utilizar unas sentencias que son los imports, esos imports, esos imports van a decir al código **[46:45 - 46:54]** necesito como unas librerías que ya están hechas, unos paqueticos que ya están hechas para que me ayuden a analizar los datos **[46:54 - 47:02]** entonces aquí es, una escribe import numpy a npa e import pandas a spd, porque npa pues porque ya no quiero escribir **[47:02 - 47:11]** numpy todo el tiempo porque muy largos, entonces voy a escribir npa y aquí voy a escribir p, y esos me van a servir para hacer **[47:11 - 47:23]** analisis de datos y voy a importar una cosa que se llama matplot.l, punto Pyplot, as lp, aquí yo que estoy haciendo simplemente **[47:23 - 47:30]** está libre de día que está acá es para hacer dibujitos en inglés plot que es decir como plano **[47:30 - 47:37]** y le voy a colocar con plt porque pese más cortico de escribir, y antes cuando ya tengo mi primera sialda **[47:37 - 47:49]** y no voy a hacer nada para no complicarme más, es darle controlente y controlente es para crear que me asignan un pequeño computador, **[47:49 - 47:57]** ya me asignan de ese pequeño computador en donde corris de pedacito excel, entonces ya tengo esas librerías con que voy a trabajar, **[47:57 - 48:03]** puede que necesito otra librerías, entonces lo es importo luego para reír neuronales, etc. **[48:03 - 48:11]** Lo primero que voy a hacer es que voy a cargar el dataset, cargar el dataset es que yo me voy a traer todos esos cuarenta y picou de mil **[48:11 - 48:16]** de datos y están por ahí en una página, me los voy a traer para acá y los voy a cargar. **[48:16 - 48:24]** Entonces dice en colab o cualquier notebook con internet podemos leer el archivo directamente desde bucey, decisiones de **[48:24 - 48:32]** que alguien importante, siguen las prácticas a tener en cuenta, no está acá definido los nombres de las columnas porque el archivo no trae **[48:32 - 48:44]** las encabezados, no está acá decir que en ea valios es igual a signo de interrogación para convertir la interrogación en valores faltantes reales, **[48:44 - 48:53]** usar a skip, iniciando el espacio y siguen atrú porque el archivo tiene espacio después de las comas para que no nos va a tomar las comas, perdón los espacios. **[48:53 - 48:58]** Eso es un tiempo porque la estadística de escrito y también los gráficos requieren manejar faltantes correctamente. **[48:58 - 49:07]** Entonces si ustedes observan y si lo volvemos a los datos están por acá miramos por ejemplo esta fila de acá. **[49:09 - 49:19]** Esta fila de acá tiene varios signos de interrogación, esta análisis es uno que uno debe realizar pero el código nos va a ayudar a hacer. **[49:20 - 49:33]** Pero aquí lo que nos estamos hacer es que hay unas columnas que debemos tener cuidados para encargarlas en algunas filas porque faltan datos o hacer otra cosa que se llama **[49:33 - 49:40]** imputación de datos pero ese ya es lo primero que vamos a hacer es aquí ya tengo apuntado esto. **[49:41 - 49:59]** Entonces yo escribí columns y aquí están las nombres de las columnas. Esa caso en particular si toca hacer ruapinal es decir a pie porque los nombres de las columnas no están puestos allá entonces si no estocas escribiris lo mismo de la uRL. **[50:00 - 50:11]** Entonces aquí está bueno les pere estos datos que están acá que están en esta página web y yo lo que quiero hacer es leer esos datos en el secado particular. **[50:11 - 50:14]** Pero si lo seguien se se hue también lo podría hacer. **[50:15 - 50:28]** Entonces yo lo que voy a hacer es que voy a crear aquí de bajito es que aquí le quiero bajo una variable que se llama adult y voy a escribir pede punto red cseguy. **[50:29 - 50:52]** Para que ese red cseguy, el red cseguy lo que va a hacer es que va a leer el archivo que está allá en la página web y acá entonces lo que voy a hacer es que le voy a mandar la uRL uRL es la dirección de la página web en este caso se leía esta. **[50:52 - 51:10]** Lo voy a decir mira necesito que vaya hasta página web y me le va a hacer xibo y acá tienen que no va a tener un cabezado por eso lo estoy diciendo género si igual a no porque miren que aquí arriba no están los nombres de las columnas. **[51:11 - 51:25]** Si no que yo las tengo que colocar aquí voy a colocar names igual a colgons porque estoy colocando eso pero se dicen también los nombre de las columnas van a ser estas que están acá. **[51:25 - 51:28]** Y ya lo sé que vamos de ante. **[51:29 - 51:43]** Le voy a decir mira en ea valios en ea valios que quiere decir, o sea es como los nombres que faltan listo y le voy a decir mira si te encuentras con un signo de **[51:43 - 51:59]** la interrogación, eso es un valor faltante y le voy a decir que saltes los espacios iniciales, skip, skip, initial, **[52:00 - 52:18]** space y le voy a decir true, grupo una decirle mira cada vez que te encuentres con un espacio de esto, necesito que los altes no lo tengas en cuenta, esto es porque miren que aquí hay un espacios. **[52:19 - 52:30]** Entonces hay lo que yo voy a hacer es que ya voy a cargar los datos los datos en carga pero quiero que me parezcan en pantalla como se muestra en pantalla. **[52:30 - 52:38]** Esta cosa que está acá este adúl me va a guardar estos datos y luego lo voy a mostrar en pantalla así a tu jefe. **[52:38 - 52:57]** Simplemente con eso entonces adúl el que es el adúl me voy a decir es más de mes las primeras colublas primeras filas de sus datos que está acá de carga ahí y como que no cabe en mes de esos primeras filas pero lo que voy a hacer es que voy a apreciar otro enter y escribo y se me equivocen a apreciar el mejor regino. **[52:58 - 53:09]** Bueno, también que es alta bonita que me apareció aquí ya acá me aparecen más bonita. **[53:10 - 53:30]** Entonces acá tenemos las colomblas, esta es la rada del tipo de trabajo, la educación, el estado pues civil si no casi alcanzado, es divorciado, etcétera y aquí al final entonces tenemos la columna que queremos decir que es informa. **[53:30 - 53:35]** Eso nos sirve para ver los datos inicialmente un poco más bonita. **[53:35 - 53:44]** Aquí vamos a recordar ya tenemos entonces esa tal recordamos que es un data set y cómo se organizan en machine learning. **[53:44 - 53:57]** Entonces recordemos un data set lo que veíamos hace una semana es una trasladónde cada fila es una observación en este caso como una persona distín y cada columna es una variable. **[53:58 - 54:21]** Las variables independientes las vamos a llamar features en inglesos o quiere decir características van a ser las columnas de entrada y la je va a ser la variable independiente o la que vamos a llamar tarque es decir lo que nosotros queremos prediciar. **[54:22 - 54:50]** En este caso particular la variable objetivo o tarque es va a ser income entonces que es lo que pasa acá nosotros tenemos estos que están acá todos estos hasta aquí hasta el income son las variables independientes es decir yo quiero saber si una persona puede ganar más o menos de 50 mil dólares al año. **[54:50 - 54:53]** Conociendo esto. **[54:53 - 55:08]** Con saque si llega una persona nueva luego de yo analizarlas uarra más de 40 mil filas a llegar a una persona nueva yo pueda predecir según los datos que tiene si es a personal. **[55:08 - 55:13]** Uéganar o no más de 50 mil al año o menos. **[55:13 - 55:16]** Diego cuénteme. **[55:16 - 55:30]** Profes que fue las que es pensé me olvía me había hecho y perdón dijo que aquí son los feature y ya los target o lo que se lo era la casa igual ráquate que ya estás en los. **[55:30 - 55:36]** Se los compartan pero así los features y ya es el tarque. **[55:36 - 55:53]** Igual x y y es un letras pues que utilizamos por costumbre pero pero personal utilizaron letras pero hace bien recuelen los feature son las columbnas de tras las columbnas que con las que yo quiero hacer la predicción y el **[55:53 - 56:05]** ya es la columna que quiero predecir listo en este dataset particularmente pues yo lo que quiero predecir es los ingresos de la persona pero bueno, **[56:05 - 56:19]** los datos es en donde yo lo que quiero predecir es una persona con para tener espacilé que tengo ni en Farto o que tenga diabetes o puede ser que yo esté mirando por ejemplo. **[56:19 - 56:38]** Cánsar de seno entonces estén mirando las medidas de unos tumores y es al medias de esos tumores tienen ciertas características lo que yo quiero predecir es si es un tumor benigno o maligno esto. **[56:39 - 57:03]** Entonces cuando uno ya tiene esto montado pues uno lo que tiene que hacer es como mirar un poco y ticolás dimensiones del dataset es decir ver cómo que tamaño tiene el dataset como hacemos eso pues podemos hay varias formas una de ellas es utilizar la palabra print y vamos a mirar las filas y las columbnas que tiene que **[57:03 - 57:22]** ya sabemos que son por eso pero es bueno y hacer para estar seguros aquí porque ya conocemos para decirlo conocen. Entonces se escribe adult.ci pro porque adult porque recorden que dentro de adult están guardados todos los datos. **[57:22 - 57:27]** Ahí guardamos todos los datos que le digo tense ese. **[57:27 - 57:46]** Entonces así yo imprimo esto o si le hago un control en vez aquí me va a decir que esta tiene 32.561 filas y vamos a tener 15 columbnas en este caso parte de la **[57:46 - 58:05]** dist y que a tipos de datos se presentan ahí que esta es un rote importante si yo hago adult un tipo de datos y lo entre **[58:05 - 58:20]** los tipos de tipos de presionador porque me faltó la de entonces ustedes se van a encontrar estas columbnas y adelante de esas nombres de las columbnas se van a encontrar esta cosa rara que dice **[58:20 - 58:36]** 24 object incessante y cuando ustedes encuentren esto que dice object lo que se van a dar cuenta es que esa columna básicamente son palabras pueden ser palabras no van a ser **[58:36 - 58:49]** números lo pueden tomar inicialmente así y funciona para la mayoría de las veces y cuando ustedes encuentren esa cosa que dice im es porque toda esa columna tiene sólo números listo como si **[58:49 - 59:02]** me dan a ver acá y de verdad el cuénteme lo todo si es una pregunta o sea ese es el que tipo de objetos es dentro del coigo es que como como un arreglo que tiene ciertos características. **[59:02 - 59:09]** El adel es como es un tipo de datos que se llama un data frame. **[59:09 - 59:12]** Es como acá hay que entrenar la habilidad excel. **[59:12 - 59:19]** Data frame en lo puede relacionar con eso. Data frame que es lo que devuelve esta cosa que está acá. **[59:19 - 59:23]** En últimas es una tabla que tiene esos métodos. **[59:23 - 59:27]** Exacto y tiene estos métodos para poder empezar a analizar. **[59:27 - 59:34]** Este va a ser el caballón de batalla de aquí hasta que presenten la monografía de grada. **[59:34 - 59:45]** O sea utilizar el data frame el red csev es lo van a utilizar todo el tiempo porque no siempre va a tener esos esos datos que los valeren csev. **[59:45 - 59:55]** Y lo que hace es que oye una tablita que es esta tablita que está cosa dentro de esta guardada a toda esta tablita yo puedo acceder a todo lo de datos de esa tablita. **[59:55 - 60:05]** Que es lo que estoy haciendo acá estoy accediendo a su forma shape en inglés es forma y forma es cuántos filan y cuántos colombian tienen. **[60:05 - 60:14]** Y cuando yo le digo a los data types es porque yo quiero saber cada colombian que tipo de datos tiene para que quiero yo saber que tipo de datos tengo. **[60:14 - 60:19]** Para saber cuáles son solo números y cuáles son letras. **[60:19 - 60:37]** Entonces aquí nosotros debemos entender por lo menos para este caso específica no es que siempre sea así que vamos a tener unas cosas que se llaman variables independientes y variables dependientes pero realmente eso como que lo es. **[60:37 - 61:01]** Y que opinio usted en función de lo que usted quiere encontrar a quienes en este caso en particular la variable independiente es el ingreso pero oye ocurrir yo digan no ya quiero que la variable independiente sea legal no sé porque quiero predecir con todos los otros datos que da tiene una persona. **[61:01 - 61:08]** Oye ese lista eso depende mucho como el dominio que usted que esté este trabajo antes. **[61:09 - 61:37]** Por ejemplo, alguno de los trabajos que que se han hecho querían predecir si dentro de un plan de trabajo que se tenía se podía tratar de predecir si dentro de ese plan de trabajo alguna tarea en particular si se iba a terminar o no o si un proyecto que arranca. **[61:37 - 61:52]** Porque tenían miles de proyectos eso ya manó en ese miles de ordenes querían saber si con una serie de características dentro de una empresa esa orden si va a llevar a cabo uno eso sería la variable dependiente. **[61:52 - 61:54]** El día con cuenta. **[61:59 - 62:21]** Una duda la variable independiente independiente tiene relación directa con una variable continua o categorica no necesariamente me explica que por que digamos con respecto a los que menciona usted la edad la ser bien un dato continuo dependiente. **[62:22 - 62:29]** Y si no lo lo vi, pero si yo voy a terminar por edad también puede ser continuo a cierto o estoy equivocado. **[62:31 - 62:39]** Si puede ser incluso discreta porque sólo toma números enteros uno dos tres cuatro cinco. **[62:40 - 62:43]** Es una variable continua ya vamos a. **[62:44 - 62:53]** A repasar un poco y que se es de pedaz pero si podemos tener variables quantitativas cualitativas ahorita miramos con la clasificación fundamental. **[62:56 - 62:59]** Bueno porque hay manitos levantada de vía. **[63:01 - 63:10]** Muchas gracias y hola cuando estamos en este tema de la dos variables es como cuando definimos una hipótesis para encontrar una correlación. **[63:11 - 63:19]** Demos una variable más bien estática fija conocida y un inter terminal algo así lo podemos hacer. **[63:19 - 63:32]** Entonces puede ser más que sea específicamente así lo puedes tomar como una analogía porque no es directamente de esa manera. **[63:33 - 63:40]** Cuando hablamos de hipótesis es porque tú estás haciendo una firmación que quiere demostrar listo. **[63:41 - 63:49]** Si nosotros hablamos acá de que la hipótesis son como todos tus datos de entrada. **[63:50 - 63:56]** Lo que quiere decir es que todos tus datos de entrada dados ciertos datos de entrada voy a tener este resultado. **[63:56 - 64:02]** Ahí podrías estar haciendo pues como un paralelismo entre las dos cosas entre. **[64:02 - 64:13]** Esas datos de entrada y la hipótesis y si quieres saber si la hipótesis es verdadera o falsa o cual es la realidad de ese hipótesis. **[64:14 - 64:20]** Si el listo se podría hacer un paralelismo un poco así vale podría ser lista. **[64:22 - 64:31]** Entonces pues igual esto uno lo va agarrando en la media que va agarrándome es data sets y los van analizando. **[64:31 - 64:42]** Ahora yo puedo hacer esto en mi yo voy a decir que en la variable x grande voy a hacer esto voy a tomar de la columna al. **[64:43 - 64:48]** Voy a quitar la columna. **[64:50 - 64:55]** Empiecen o que se llame incón muy provista en quiso. **[64:55 - 65:12]** Tengo lo que ustedes se van a encontrar cuando ustedes se empiezan a ser analisis de todos los datos y en día que no adelante siempre se van a encontrar que uno se para las columnas que son las variables dependientes perdán las independientes de la variable de. **[65:13 - 65:23]** Una como es esa separación hay miles de formas pero pues uno le pregunta el cháner de mi la cómo hago la separación de estas variables y listo. **[65:23 - 65:37]** Pero presenta en la hemos también de que se trata aquí la que estoy diciendo es mira necesito que vayas a la tabla adult y la quita es drogues como quitar la columna que sea igual a incón. **[65:37 - 65:51]** Entonces si yo cobro toda esta tabla y le quito esta columna de acá me van a quedar todos estas que hay aquí para atrás entonces dentro de la x te va a quedar solamente es. **[65:51 - 66:04]** Y le voy a decir la G o sea la variable independientes independientes dependientes va a ser adult incón. **[66:07 - 66:20]** Ya la que estoy haciendo acá es una forma de decir mira necesito que de esa tabla de adult y me des la columna que dice incón. **[66:20 - 66:49]** Entonces así lo que y acá de hacer es separar esa tabla listo a ver va a seguir siendo toda la tabla completa pero por aparte lo que es acado es justamente la x y la ya si yo hago esto y imprimo un poco la forma de x para hacer cuantos tiras y cuantos colgmas tienen entonces yo hago x chape y si imprimo un poco la ya. **[66:50 - 67:18]** Entonces voy a tener el y en punto de shale y hago este entonces aquí lo que está diciendo es que la x tiene 32 mil 500 de centario frilas y 14 columnas en cambio la ya solamente tiene 32 mil 500 de centario frilas listo y no hay necesidad colocar que tienen una sola columna por defecto les va a parecer acá que no no aprecer como un uno diciendo que tiene. **[67:18 - 67:37]** Una columna en cambio acá tenemos 14 columnas recordemos que condicimos el chape realmente teníamos 15 columnas pero ya le quitamos una y quedo ese grupito listo entonces nosotros podemos hacer esto ya túlvalio **[67:37 - 67:45]** y ya le voy a decir para que es esto. **[67:45 - 68:14]** Coles listo entonces para que es value coms de esa columna y que tienen los ingresos yo les estoy diciendo mira necesito que me digas cuantos valores distintos es como cuando uno en excel filtra los datos y dice como quitar duplicados y necesito que me solo me den los valores únicos y cuento cuantos filas hay de sus valores únicos es más o menos. **[68:15 - 68:32]** Acá me está diciendo mil hay 24 mil 700 20 filas o personas que ganan menos de 50 mil y 7 mil 840 y uno que ganan más de 50 mil aquí menos o igual de 50 mil entonces se vale **[68:32 - 68:48]** y los de sea también hacer valu coms con otros tipos de variables no sé por ejemplo digamos que uno puede **[68:48 - 68:57]** decir yo hacer h vamos a ver permite hacer valu coms con esta **[68:57 - 69:21]** y ya le digo entonces que tenemos una entonces miren que aquí está haciendo el value coms pero con la edad es decir que hay 800 y 98 personas que tienen 36 888 que tienen 31 **[69:21 - 69:31]** y así eso es también eso también es un dato importante al tener en cuenta. **[69:32 - 69:41]** Entonces acá viene como la pregunta antes de pasar a tipo de variables perdón es valores faltantes de tección **[69:41 - 69:50]** utilizado antes de escribir variables debemos identificar los valores faltantes porque es importante porque si yo le voy a sacar el promedio y la desviación **[69:50 - 70:03]** estándar se calculan ignorando esto que está acá por defecto y eso puede ser resultados y hay otros modelos que no aceptan ese N a n directamente **[70:03 - 70:16]** projeco así que n a n eso que es n a n quiere decir n a n que no es un número en inglés cuando son los cuando se dan los valores faltantes **[70:16 - 70:30]** sean valores faltantes cuando nosotros aquí tenemos este signo de interrogación bueno aquí aparece un signo de interrogación porque es específico de este conjunto de datos pero puede ocurrir que los valores faltantes **[70:30 - 70:43]** en otros conjuntos de datos se dendió otra manera. Entonces hay que mirar con mucho cuidado que si hay valores faltantes como los voy a trabajar **[70:43 - 70:58]** si voy a reemplazar esos valores faltantes por una cosa o voy a utilizar una cosa que llame imputación de datos es decir que los voy a reemplazar por otro valor o simplemente los voy a quitar el problema es que si uno los quita **[70:58 - 71:09]** eso puede generar un sesgo o ser que los resultados porque puede ser un dato que no estoy teniendo en cuenta y hay modelos que pues esa cosa de que falter **[71:09 - 71:22]** los datos no les va a servir y no lo van a trabajar cuando se aplica a la inicio del edad entonces le da simplemente la exploración de los datos para **[71:22 - 71:35]** decir estrategia de imputación o eliminación que era lo que yo les decía o vamos a meter esos datos faltantes los vamos a eliminar del todo o los vamos a completar **[71:35 - 71:49]** a veces es conveniente completarlos simplemente colocándole la moda la media que hay donde vienen las media de tendencia siempre cuantemos cuantos valores faltan entonces **[71:49 - 71:54]** el profe que quiere decir ea en los repites por favor. **[71:54 - 72:01]** Pues en español sería analisis exploratorio de los datos. **[72:02 - 72:15]** O sea que lo que estamos haciendo ahí es explorar los datos analisis exploratorio en los datos lista o explorator y data analisis. **[72:16 - 72:35]** Entonces aquí lo que estamos haciendo es pura analisis exploratorio cuando estés estén trabajando con modelo de machine learning siempre la primera parte es empezar a mirar los datos que ustedes tienen y empezaron a ver que es dato realmente podemos quitar que a tu se pueden quedar etc. **[72:35 - 72:38]** Ni idea cuéntame lo todo. **[72:38 - 72:46]** Perdón, perdón gracias a todos será que me puedes dejar ver el número 3 el código nuevamente perdón y el resultado que es que no me no me digo igual. **[72:50 - 72:52]** Oh, entende. **[72:52 - 72:55]** Ahí en el eliminación. **[73:00 - 73:02]** En el run. **[73:03 - 73:06]** Separación perdón en la separación estamos en el paso. **[73:06 - 73:08]** Sí. **[73:08 - 73:13]** Ya muchas gracias que pena. **[73:13 - 73:15]** Tranquilar. **[73:15 - 73:18]** Listo voy a porra vez. **[73:18 - 73:20]** Vamos a volver a recultando. **[73:20 - 73:22]** Listo. **[73:22 - 73:31]** Entonces con teo de valores faltantes por colunas entonces en inglés pues faltan de querer decir missing pero usted le puede poner cualquier otro nombre faltantes. **[73:31 - 73:33]** Listo. **[73:33 - 73:38]** Entonces lo que yo voy a hacer es que de adult. **[73:38 - 73:47]** Voy a utilizar una cosita que se llama is n a o sea aquí yo lo que le voy a decir es. **[73:47 - 73:56]** Eee es en inglés sería como es no un número pues se traduce como raro pero aquí lo que está lo que estoy mirando es. **[73:56 - 74:02]** Necesito que me digas de todos esos coluna cuantos valores faltantes hay. **[74:02 - 74:12]** Necesito que me sumes esa cuenta porque lo que va a hacer es que va a devolver unos falsos y verdaderos y aquí. **[74:12 - 74:17]** Necesito que los sumes y que me organizes los valores. **[74:17 - 74:20]** De manera de ser ver. **[74:20 - 74:23]** Ya vamos a ver el resultado de esto. **[74:23 - 74:27]** Para que. **[74:27 - 74:41]** Para que le entendamos el mejor listo entonces aquí de esta columna que está acá desde entonces que están acá yo voy a utilizar una cosa de Python en donde voy a hacer un pequeño filtro y ese filtro. **[74:41 - 75:10]** Entonces entonces observen que aquí sobre todo es donde están los valores faltantes. **[75:10 - 75:16]** En la ocupación nos faltan mil 846 43. **[75:16 - 75:20]** Workless faltan mil 836. **[75:20 - 75:24]** No tip con trif faltan 583. **[75:24 - 75:32]** Entonces cuando nosotros tenemos eso ahí nos toca mirar posteriormente luego. **[75:32 - 75:45]** Que vamos a hacer con sus datos y los vamos a completar o los vamos a eliminar a escominan más completarlos para no perder información sobre todo porque cada filita tiene otras colunitas a la monta. **[75:45 - 75:53]** Y está entonces si una quiere como ir entendiendo quién es lo que está pasando acá. **[75:53 - 75:58]** Y vamos a ver este momento. **[75:58 - 76:01]** Vaga un signo está de pronto. **[76:01 - 76:07]** Ellos de que algunos lo van apuntando lo voy ahorrar un momento. **[76:07 - 76:10]** Si ya lo esco. **[76:10 - 76:18]** Mira en qué cuando escribamos mi sin adul y es en a lo que coloca es falso falso falso falso. **[76:18 - 76:25]** Lo que hace es en a es como devolver true verdadero si hay falta un date. **[76:25 - 76:28]** Entonces miremos. **[76:28 - 76:31]** Vamos a lo que me estoy. **[76:31 - 76:33]** Y lo que hemos. **[76:33 - 76:37]** Cm. **[76:37 - 76:40]** Y. **[76:40 - 76:43]** Tengo una pregunta. **[76:43 - 76:45]** Ese es el método. **[76:45 - 76:55]** Y es en a él tiene solo en cuenta que cuando el dato es nulo o sea cuando falta cuando la ausencia o también de pronto cuando hay una cadena. **[76:55 - 77:04]** E vacía o bueno como hay tipos de datos nán tipos de datos cadena vacía y sí es super. **[77:04 - 77:10]** Cuenta o hay otros métodos para dependiendo el tipo de datos. **[77:10 - 77:17]** En este caso es como lo hayamos definido pues acá justamente nosotros lo. **[77:17 - 77:22]** Cuando lo definimos lo definimos aquí de esta manera. **[77:22 - 77:28]** El siempre en solo tiene cuenta los nán en este caso es respondiendo como concretamente. **[77:28 - 77:39]** Porque tienen cuenta los nán en particular porque nosotros aquí atrás definimos que los valores faltantes eran estos signos de interrogación. **[77:39 - 77:43]** Eso signo de interrogación les convirtió a not a number. **[77:43 - 77:55]** Que not a number sería en este caso como otro tipo de dato nulo y así lo analizo si hay un texto que sea diferente a number o que sea un texto como tal. **[77:55 - 77:58]** Ese pues no lo va a contar listo. **[77:58 - 78:03]** Se lo tienen cuenta en este caso es respondiendo concretamente. **[78:03 - 78:10]** Ese es en particular que sea nán en mi cuenta. **[78:10 - 78:12]** Y luego hay otro. **[78:12 - 78:15]** Se hay aquí falta un dato. **[78:15 - 78:21]** Este nativo con ringing. **[78:21 - 78:24]** Bueno, encontré lo pues. **[78:24 - 78:30]** Quedé aquí como uno, dos, tres, cinco, cinco, siete, ocho, nueve, diez, dos, tres, dos, tres, dos. **[78:30 - 78:35]** Sí, aquí está. Mira en la cama. **[78:35 - 78:40]** Si bien, o sea como falta este artículo entonces por eso aquí aparece este trupe. **[78:40 - 78:41]** Listo. **[78:41 - 78:43]** Es el lo que hace es bueno, listo. **[78:43 - 78:49]** Digame cuál es en that a number luego pues yo no necesito todos esos falsos y todas esas cosas. **[78:49 - 78:53]** Entonces le digo una vez, sabe qué sumame todo eso más bien. **[78:53 - 78:56]** Se apúntelos y a game la suma. **[78:56 - 79:04]** El vasumarlos que sean trupe y para colocar esto lo va a organizar luego. **[79:04 - 79:15]** Como si fuera más columna completa y luego ya si ni necesito piezas número que le dieron los organizes. **[79:15 - 79:22]** Si yo lo coloco de esta manera, pues obviamente van a haber cero. **[79:22 - 79:25]** Porque hay un concepto donde no van a faltar valores. **[79:25 - 79:31]** Yo le voy a decir, necesito que me digas, o en más tres es mejor los que los valores faltan. **[79:31 - 79:39]** Entonces ya mayor es cero y van a estar pues organizados de en este caso de manera. **[79:39 - 79:41]** Del más grande, más pequeñito. **[79:41 - 79:43]** O sea, manera de ser vente. **[79:43 - 79:44]** Listo. **[79:44 - 79:52]** Entonces eso ya también nos va a servir este pedacito para saber cuántos valores faltantes y en qué filas se presentan. **[79:52 - 79:53]** En qué columnas. **[79:53 - 79:54]** Listo. **[79:54 - 80:02]** Tipo de variables o o qué está parte es conceptual pero uno se en red con esto. **[80:02 - 80:06]** O es que se han reavorado como que se le orpida pero es re importante. **[80:06 - 80:10]** Porque para el vegas hay las predicciones y van a ser de forma. **[80:10 - 80:11]** Dice. **[80:11 - 80:15]** Tipo de variables o o pues hay variables cuantitativas y cualitativas. **[80:15 - 80:22]** Las cuantitativas se dividen en discretos y continuas. **[80:22 - 80:27]** Las cualitativas se dividen en nominales y ordinales. **[80:27 - 80:28]** Mede o el. **[80:28 - 80:33]** Cuantitativas son las que se representan con números. **[80:33 - 80:35]** Listo con números. **[80:35 - 80:36]** Ah, hay progente. **[80:36 - 80:40]** Entonces una escala de liquebrano en la espérgida. **[80:40 - 80:45]** Dentro de las cuantitativas que se representan con números están las discretas. **[80:45 - 80:49]** Las discretas generalmente no las utiliza cuando estasiendo con tegos. **[80:49 - 80:55]** Una persona de las personas tres personas cuatro personas cinco personas listo. **[80:55 - 81:01]** Las continuas es cuando uno generalmente hace una medición. **[81:01 - 81:07]** Entonces cuantos pesos tens en de cuatro puntos cinco kilos. **[81:07 - 81:18]** Cuantos medios 1385 centímetros pero sabemos que yo puedo utilizar desimales dependiendo del del grado de precisión. **[81:18 - 81:21]** Que tenga el el instrumento con el coé a medir. **[81:21 - 81:24]** Ahí vamos a tener entonces variables continuas. **[81:24 - 81:31]** Las variables continuas son generalmente las que en la mitad de los de los números puedo poner otro número. **[81:31 - 81:37]** Las discretas son las que en la mitad de dos números no puede poner otro número. **[81:37 - 81:45]** Es decir, yo no puedo hablar de tres personas y media o de cuatro personas y medio. **[81:45 - 81:53]** Si yo solo puedo hablar de cuatro personas o cinco personas ahí estamos hablando de variables discretas listo. **[81:53 - 82:06]** Y luego tenemos las variables cualitativas las cualitativas son aquellas que se representan con letras o. **[82:06 - 82:10]** Paracterísticos dentro de esas cualitativas. **[82:10 - 82:13]** Que es con letras tenemos las nominales. **[82:13 - 82:16]** En las nominales. **[82:16 - 82:24]** Simplemente nosotros vamos a tener unas letras que no tienen necesariamente un orden. **[82:24 - 82:33]** Y las ordinales es porque vamos a tener letras que se pueden tener un orden en particular o categorías. **[82:33 - 82:38]** Por ejemplo, digamos los estratos antes. **[82:38 - 82:43]** Decía de estratos socioeconómico bajo bajo. **[82:43 - 82:49]** Bueno, antes no todavía medio o creo que medio alto y alto, sino estímale. **[82:49 - 82:59]** Ahí tenemos una ordinal y nominal es por ejemplo que yo utilizo palabras pero que no tienen orden como azul, amarillo, verles rojo eso no tienen el orden. **[83:00 - 83:03]** El Machine Learning. **[83:03 - 83:13]** Pues nosotros vamos a utilizar para aplicarlas para mirar si nosotros podemos aplicar ciertas medidas de tendencia central. **[83:13 - 83:17]** O sea que que estadísticos son valios estadísticos que son. **[83:17 - 83:21]** Son como los cálculos que yo puedo hacer con algo. **[83:21 - 83:26]** O sea, yo no le puedo sacar el promedio a varios noles que sean nominales. **[83:26 - 83:30]** O sea, yo no puedo sacar como el promedio entre amarillo a su liro. **[83:30 - 83:33]** Lista. **[83:33 - 83:46]** Entonces, en el caso de las ordinales, pues realmente uno lo que hace es utilizar otra cosa que no es la media, sino que yo puedo utilizar a una media o una moda. **[83:47 - 83:52]** Y eso me va a permitir utilizar una cosa más adelante que es del código que todavía no lo vamos a ver. **[83:52 - 83:55]** Una cosa que se llama el OneHode. **[83:55 - 84:05]** OneHode en Coder que se utiliza para los nobles pero eso es el mismo frase está de acá y no le simplemente con que nos queden claras estas que están acá. **[84:05 - 84:10]** Con eso ya ya tenemos bastante ganada. **[84:11 - 84:18]** Ahora, en el caso de las variables que nosotros estamos trabajando aquí. **[84:18 - 84:23]** ¿Cuáles de estas variables que nosotros tenemos acá? **[84:23 - 84:27]** Y también voy a mirar. **[84:27 - 84:30]** Son nomericas y cuáles son categoricas. **[84:30 - 84:33]** O sea, categoricas son cualitativas, listo. **[84:33 - 84:35]** Entonces, ¿cuáles son nomericas? **[84:35 - 84:38]** Las que se representan con número. **[84:38 - 84:43]** Entonces, la edad es el número. **[84:43 - 84:46]** Es por semana. **[84:49 - 84:55]** O si, data sets, informe. **[84:55 - 85:00]** Esta es la edad de la clasificación. Según los ingresos. **[85:05 - 85:12]** El educación está marcando como nomerica, Education No. **[85:12 - 85:16]** ¿Qué sería esta que está acá? **[85:16 - 85:19]** También es nomerica. **[85:20 - 85:29]** Ganancia de la capital, perdida capital, ganancia capital y horas por semana. **[85:29 - 85:34]** Esos son nomericas y las categoricas son las que se representan en palabras. **[85:34 - 85:38]** War class, educación, marital estatus. **[85:38 - 85:42]** Esas son las categoricas que se representan en palabras. **[85:42 - 85:45]** Entonces, sí uno. **[85:45 - 85:57]** Lo que va a hacer es, por ejemplo, que nosotros queremos separar columnas que son nomericas y con los que son categoricas, pues uno puede hacer esto. **[86:02 - 86:05]** Puede utilizar web. **[86:05 - 86:08]** Cuéntame Liliana. **[86:09 - 86:14]** El que va a hacer es que si es una de las categoricas y esas otras. **[86:14 - 86:17]** Se pueden separar como tipo de atos. **[86:17 - 86:21]** Es decir, como nomericas, objetos, arreglos. **[86:21 - 86:25]** Esas no diferenciamos a nosotros lo podemos terminar de código así. **[86:25 - 86:27]** O esto de QCAN. **[86:27 - 86:32]** Cuando tú hablas de tipo de atos, tú refieres a un tipo de atodo. **[86:33 - 86:36]** Unirico, flow, o sea, ese tipo de atodo. **[86:36 - 86:38]** Ok, sí. **[86:38 - 86:43]** Realmente es justamente lo que vamos a hacer. **[86:43 - 86:46]** A separarlas por ese tipo de atos. **[86:46 - 86:56]** Esa es que las tipo de atos que son, por ejemplo, float o pint, o sea, enteros o como aflojante son nomericas. **[86:56 - 87:01]** Y las que son empaeton, object son letras. **[87:02 - 87:04]** Entonces es justamente lo que vamos a hacer mira. **[87:04 - 87:11]** Yo aquí tengo columnas nomericas, es decir, de ese conjunto de X, **[87:11 - 87:17]** necesito que me seleccionen los tipos de atos en donde me va a impluir. **[87:20 - 87:23]** Y las siguientes tipos de atos. **[87:23 - 87:27]** Se me es configurado este de clad. **[87:28 - 87:32]** A ver, creo que es con alt, int. **[87:46 - 87:50]** Ok, entonces, por ejemplo, **[87:50 - 87:55]** yo le voy a decir que me incluya los que son enteros, int, el que le deciden entero. **[87:56 - 88:02]** Y que me incluyas los pezón floats, porque el por defecto con el 64. **[88:02 - 88:05]** Se hay que poner el 64 también. **[88:05 - 88:10]** Y que me pasa, esos columnas a una lista. **[88:11 - 88:15]** Espero que me haya quedado bien escrito, eso es una buena idea, la roda de ejeitación. **[88:15 - 88:19]** Y le voy a decir, bueno, necesito que me pasa en las categoricas. **[88:19 - 88:24]** Y aquí spawn los selectos, un par de types. **[88:24 - 88:34]** Y necesito que me incluyas en este caso los pezón of defectos. **[88:34 - 88:40]** Esos columnas me las pasa a una lista. **[88:41 - 88:45]** Y yo aquí puedo imprimir. **[88:45 - 88:49]** No me ericas. **[88:49 - 88:52]** Olíos no me ericas. **[88:52 - 88:55]** Y puedan imprimir. **[88:56 - 88:58]** Olíos no me ericas. **[88:58 - 89:01]** Y puedan imprimir. **[89:01 - 89:04]** Antegojins. **[89:09 - 89:13]** Y lo colocó Catcones. **[89:13 - 89:19]** Espero ver escrito bien, entonces aquí ya me saco pares en las categoricas y coaliciones. **[89:19 - 89:22]** Liste chicos, ahí ya llegamos a la ciclo. **[89:22 - 89:25]** Es como siempre, se saben que yo tengo la plantilla completa. **[89:25 - 89:29]** Mente desarrollar esta la explicación. **[89:29 - 89:31]** Es por acá voy a hacer lo siguiente. **[89:31 - 89:33]** Voy a decir, file, open. **[89:33 - 89:34]** Notbook. **[89:34 - 89:36]** Y aquí tengo a tener, se sienta. **[89:36 - 89:43]** Machine learning. **[89:43 - 89:44]** Se sienta. **[89:44 - 89:50]** Machine learning plantilla es que está. **[89:50 - 89:54]** Para que se se la estudian y de hecho en estos se pueden pasar. **[89:54 - 89:57]** O sea, no tienen que hacer tohon, no es. **[89:57 - 90:03]** Si no concentrarse en lo que les pida la guía, listo. **[90:03 - 90:06]** Y aquí lo que voy a hacer es. **[90:06 - 90:08]** Pualquiera con el link. **[90:08 - 90:09]** Puede ver. **[90:09 - 90:11]** Vamos a copiar el link. **[90:11 - 90:12]** Don. **[90:12 - 90:14]** Me voy a ir para el aula virtual. **[90:14 - 90:17]** Me voy a ir donde dice el foro de dudas. **[90:17 - 90:21]** Me voy a ingresar el Machine Learning. **[90:21 - 90:23]** Aquí responde. **[90:23 - 90:25]** Y voy a colocar. **[90:25 - 90:29]** Buenas noches compañeros. **[90:29 - 90:41]** Les comparto el enlace en desarrollo del colab con análisis de datos. **[90:41 - 90:46]** No me gusta esto. **[90:46 - 90:50]** Cuando estés me comparto en el enlace chicos. **[90:50 - 90:52]** Quien piensa aquí con colab. **[90:52 - 90:53]** Bueno, obo con eso. **[90:53 - 90:58]** Quien piensa con colab y search y tome el asunto. **[90:58 - 91:01]** Porque mira, ¿qué es que estén las empiezas con drive? **[91:01 - 91:04]** ¿Por qué empiezas con drive? **[91:04 - 91:05]** Le doy copiling. **[91:05 - 91:08]** ¿Por qué el perfecto guardan el drive? **[91:09 - 91:10]** Saldando. **[91:10 - 91:11]** Sí, sí. **[91:11 - 91:12]** No. **[91:12 - 91:15]** Precio. **[91:15 - 91:17]** Esa está guardada en el drive. **[91:17 - 91:18]** Pero es verdad. **[91:18 - 91:21]** Y me voy a dar un cosa. **[91:21 - 91:23]** Voy a estar guardando así. **[91:23 - 91:30]** Porque si yo lo hago así. **[91:30 - 91:34]** Saben. **[91:34 - 91:39]** En el pintaño miró algo. **[91:39 - 91:41]** Cuando estés me compartan en el asunto. **[91:41 - 91:44]** Pero, simplemente, ¿qué les queda con la dirección de colab? **[91:44 - 91:49]** Bueno, acá no queda con la dirección del drive. **[91:49 - 91:52]** No, pero creo que no va a quedar con el colab. **[91:52 - 91:53]** O sea, es que... **[91:53 - 91:55]** El préquea con el drive, exacto. **[91:55 - 91:56]** Sí. **[91:56 - 91:58]** No. **[91:58 - 92:01]** Es un poco buen tico. **[92:01 - 92:04]** No quiere ver comparte el vachad y lo haríamos. **[92:04 - 92:08]** O sea, es que yo se los puedo compartir así. **[92:08 - 92:10]** Y yo se lo pueden abrir así. **[92:10 - 92:13]** Y si no, que a veces les toca dar con un pasito previo. **[92:13 - 92:15]** El loco. **[92:15 - 92:18]** Cuando nosotros lo compartimos directamente desde el colab, **[92:18 - 92:20]** no sale el drive. **[92:20 - 92:23]** Porque yo ya lo copía en el war y sale el colab. **[92:23 - 92:24]** Reset. **[92:24 - 92:25]** Exacto. **[92:25 - 92:29]** Es que deberías abrir así. **[92:29 - 92:31]** Es que seguro, saben por qué? **[92:31 - 92:33]** Es seguro porque lo pegué acá. **[92:33 - 92:34]** Es puede ser. **[92:34 - 92:36]** Porque miran que si yo lo pego, **[92:36 - 92:38]** aquí en un editor de texto, **[92:38 - 92:42]** lo pega como colab research. **[92:42 - 92:46]** Y a ver... **[92:46 - 92:48]** Un misterio de la ciencia. **[92:48 - 92:49]** Share. **[92:49 - 92:51]** Este tiene que saber cualquiera con el link. **[92:51 - 92:53]** Si yo lo ve copiling. **[92:53 - 92:56]** Y entonces, lo más duro acá. **[92:56 - 92:58]** Bueno, aquí se va con el drive. **[92:59 - 93:05]** Y entonces, cualquier acción, el link puede haber hecho. **[93:05 - 93:09]** Me voy a traer este. **[93:09 - 93:11]** Ya dijeron pisos ahí, **[93:11 - 93:13]** está limpiando el llegone hacia acá, **[93:13 - 93:15]** listo, me gusta más acá. **[93:15 - 93:17]** Así. **[93:17 - 93:19]** Pero aquí siempre nos manda con esto. **[93:19 - 93:21]** Seguramente el general enlace, **[93:21 - 93:24]** internamente. **[93:24 - 93:28]** Claro, es que cuando se pega como texto en el, **[93:28 - 93:30]** en el foro, lo pega como el drive. **[93:30 - 93:33]** Pero lo enlace al colar. **[93:33 - 93:35]** Miran aquí en la derecha, se alcanza a ver. **[93:35 - 93:36]** Es por eso. **[93:36 - 93:37]** Creo que si te lo pegas en texto, **[93:37 - 93:40]** le pega el link que no hemos con el colab. **[93:40 - 93:42]** Mira, ahí se ve. **[93:42 - 93:43]** Ahí le están viendo. **[93:43 - 93:46]** Cuando yo lo pegas, se trae con el colab. **[93:46 - 93:47]** Seguramente el foro, **[93:47 - 93:49]** como esta forma te ha visto acá, **[93:49 - 93:51]** lo pegas con el drive. **[93:51 - 93:52]** Bueno, aquí le va a poner. **[93:52 - 93:54]** Y ahora, puede no estar. **[93:54 - 93:55]** Y si lo pegas, **[93:55 - 93:56]** sí, para lo de su menú, **[93:56 - 93:58]** no pongo enlace. **[93:58 - 94:00]** Como gran pilla, **[94:00 - 94:02]** para como Dios. **[94:02 - 94:03]** Puedes que no, **[94:03 - 94:04]** ya lo igualitán. **[94:04 - 94:06]** Y ya le aplican su toque. **[94:06 - 94:07]** Pero dan alguien, **[94:07 - 94:10]** alguien está comentando algo. **[94:13 - 94:15]** Y ahora ahí le va a poner chants. **[94:15 - 94:16]** Y en que poner chants, **[94:16 - 94:19]** se fue. **[94:19 - 94:21]** Se fue ya en el la seco en el colab. **[94:21 - 94:23]** Dice, ¿Uye en el chat? **[94:23 - 94:27]** Tengo un poco de mensajes. **[94:30 - 94:33]** Mira, ¿claro me estaba llegando la notificación de la mensaje de ustedes? **[94:33 - 94:35]** Por eso no hay acá que tenía tantas. **[94:38 - 94:39]** Bueno, en el arten, **[94:39 - 94:42]** es como puede saber cuáles son las principales comunes **[94:42 - 94:45]** que si así deben ir y cuáles sirven como complemento. **[94:45 - 94:47]** ¿Pibertarias que si en precio te quisan? **[94:47 - 94:49]** Puesa un pándose y un paí. **[94:49 - 94:50]** Y más ploblip, **[94:50 - 94:52]** esas que que utilizamos. **[94:53 - 94:55]** Bueno, nombre es en español. **[94:55 - 94:57]** Por si quieren la nombre es en español muy bien. **[94:57 - 95:02]** ¿Qué pasa en las casas donde los datos tengan valores vacías como una cadena vacía? **[95:02 - 95:04]** Diferente a una gran number, como lo dijimos. **[95:04 - 95:07]** No, en la misma cadena vacía que... **[95:07 - 95:10]** Bueno, si yo tengo una cadena vacía, **[95:10 - 95:13]** el automaría como que es un valor glúbril. **[95:13 - 95:15]** ¿Y listo? **[95:16 - 95:20]** Tata, tata, tata. **[95:27 - 95:28]** Listo. **[95:28 - 95:33]** La profe pregunta toca hacer el análisis y la adecuación de datos para los datos datasets. **[95:35 - 95:37]** Según lo que menciona la guía, **[95:37 - 95:40]** si se debe hacer para los datos, **[95:40 - 95:44]** ven a los noches compañeres que si no se vean creado algún grupo de WhatsApp. **[95:46 - 95:50]** Puesa, aquí sigo se está mencionando la guía, **[95:50 - 95:54]** si está haciendo los análisis de datos para los dos datasets. **[95:55 - 95:58]** Ahora, no es que tengan que hacer todo, **[95:58 - 96:00]** miren qué aquí lo que se está diciendo es, **[96:00 - 96:06]** datos, análisis descriptivo de los datos que incluyen la medida de tendencia central, **[96:06 - 96:07]** o sea, que como mínimo, **[96:07 - 96:09]** la medida de tendencia central, **[96:09 - 96:12]** pero también todos los datos faltantes, **[96:13 - 96:15]** si hay errores de datos, **[96:15 - 96:17]** si hay datos duplicados, **[96:17 - 96:20]** o sea, que con lo que encontramos es suficiente, **[96:20 - 96:22]** en la prata y ya que ya les pase, **[96:22 - 96:26]** les estoy agregando también distribución de datos, **[96:26 - 96:28]** e incurtosis, pero no es necesario que lo agreguen. **[96:28 - 96:30]** Comentarle los resultados del tenido, **[96:30 - 96:32]** si hay tres comentarios que parezcan adecuados. **[96:32 - 96:34]** O sea, mínimo, esto, bueno, **[96:34 - 96:37]** tendencia central, datos faltantes, **[96:37 - 96:41]** si hay errores de datos o datos duplicados, **[96:41 - 96:44]** y comentarle los resultados del tenido. **[96:44 - 96:46]** Sobre todo esto, **[96:46 - 96:48]** comentarle los resultados del tenido, **[96:48 - 96:50]** si no me la analisis que ustedes hacen, **[96:50 - 96:51]** para lo que me están preguntando, **[96:51 - 96:53]** hay que hacer todo eso, **[96:53 - 96:55]** como yo lo tengo en la plantilla, ¿no? **[96:55 - 96:56]** ¿Y esto? **[97:01 - 97:04]** Bueno, por acá, para las que están ganas de estar en el grupo de WhatsApp, **[97:04 - 97:06]** y quieren pretener ser, **[97:06 - 97:09]** por aquí les están mandando el enlace del grupo de WhatsApp. **[97:09 - 97:10]** Bueno, **[97:12 - 97:14]** no tengan ahí presente. **[97:14 - 97:16]** Bueno, chicos, **[97:16 - 97:21]** igual que a pendiente también por el correo, **[97:21 - 97:23]** por el forado despreferígamente por el correo, **[97:23 - 97:25]** porque me le llega a la notificación. **[97:25 - 97:27]** Bueno, así que hagamos entonces, **[97:27 - 97:29]** ya más o menos, **[97:29 - 97:30]** dice, profe la grabación, **[97:30 - 97:32]** cuando queda cargada la plataforma, **[97:32 - 97:34]** y Andrés, **[97:34 - 97:37]** como se supone que en media hora, **[97:37 - 97:39]** donde la encuentran, **[97:39 - 97:41]** se meten por acá, **[97:41 - 97:43]** Open Class, **[97:43 - 97:45]** y aquí dice **[97:45 - 97:47]** Cloud Recordings. **[97:47 - 97:50]** Miren que aquí está la sesión de la clase pasada host, **[97:50 - 97:52]** ustedes sí lo pueden ver, ¿ciertos? **[97:52 - 97:53]** Miren, Open Class, **[97:53 - 97:54]** Cloud Recordings, **[97:54 - 97:57]** y aquí sesión uno. **[97:58 - 97:59]** Dice, profe, **[97:59 - 98:00]** lo en es 23, **[98:00 - 98:01]** ¿tres? ¿Tres? **[98:01 - 98:03]** ¿Tas el plazo de entrega así? **[98:03 - 98:05]** Sí, no se va a complicar mucho se hagan, **[98:05 - 98:06]** solo eso que dice, **[98:06 - 98:08]** ahí me he de tenderse a central, **[98:08 - 98:09]** de datos faltantes, **[98:09 - 98:10]** lo que dice ahí en la guía, **[98:10 - 98:12]** allá en la lálicis, **[98:12 - 98:14]** en el mismo cólapo, **[98:14 - 98:17]** y en hacer, con un dataset y con el otro dataset, **[98:17 - 98:20]** responden las preguntas que están en el principio. **[98:20 - 98:23]** Al principio, pues qué le demostré, **[98:23 - 98:26]** qué cuáles son los criterios para escoger los datos, **[98:26 - 98:28]** y eso qué le emocione en la actividad 2, **[98:28 - 98:31]** sacan ahí sus conclusiones **[98:31 - 98:32]** y agregan referencias. **[98:32 - 98:33]** Sí, **[98:33 - 98:35]** hacer lo mismo en cada dataset, **[98:35 - 98:37]** dependiendo pues de los tipos de datos que se presentan. **[98:37 - 98:43]** si van Pablo. Bueno. El que penamos les **[98:43 - 98:46]** hacerlo necesariamente con los datos **[98:46 - 98:49]** que usted nos pasó no podemos sacar **[98:49 - 98:51]** datos aparte para trabajarlos y **[98:51 - 98:53]** no tienen que ser exclusivamente con **[98:53 - 98:53]** esos dos. **[98:53 - 98:58]** Preferiblemente, o sea, no los que ya **[98:58 - 98:59]** les poseen los que están ahí en el **[98:59 - 99:00]** amex. **[99:00 - 99:04]** Lista. Ahora, si usted tiene otro **[99:04 - 99:06]** dataset y quiere hacerlo mismo, pero **[99:06 - 99:07]** lo que es lo que se llama la fuente **[99:07 - 99:10]** del dataset. Si me gusta entender, o sea, **[99:10 - 99:11]** ¿de dónde sacaron los datos? **[99:11 - 99:13]** Listo. **[99:13 - 99:16]** Bueno, y así es el regeo. **[99:16 - 99:18]** Ah, dataset. Eso es como un paquete **[99:18 - 99:19]** encalentando, listo. **[99:19 - 99:21]** Acerto, decían nada, listo, esto es **[99:21 - 99:22]** más largo, pero. **[99:22 - 99:24]** Liliana, cuéntame lo todo. **[99:24 - 99:27]** Perdón, pero es como para reírcer **[99:27 - 99:28]** a la vida en el claria, porque **[99:28 - 99:29]** esto es al principio, porque no **[99:29 - 99:30]** estoy en los primeros minutos. **[99:30 - 99:34]** Pero, vamos a hacer, no vamos a **[99:34 - 99:36]** hacer el worko, tal con las normas **[99:36 - 99:38]** apacinos simplemente es la putada y **[99:38 - 99:42]** el link al dataset se interviene **[99:42 - 99:45]** a los boot IDA y toda la explicación **[99:45 - 99:47]** que queramos, así no es más **[99:47 - 99:48]** apanina. **[99:48 - 99:49]** Yo lo ha dicho. **[99:49 - 99:52]** Ah, ojo, ojo, de las normas **[99:52 - 99:54]** apaciles bien referencias en la **[99:54 - 99:56]** rúrrica y qué hacer referencias. **[99:56 - 99:58]** Sí, sí, sí, sí, a la vez que **[99:58 - 99:59]** lo que hay. **[99:59 - 100:01]** Sí, eso se pone en al final, si **[100:01 - 100:04]** toca, sí, porque a nosotros **[100:04 - 100:06]** nos está llanando acá, eso es **[100:06 - 100:07]** muy chacha, hay que enseñar **[100:07 - 100:08]** referencias porque cuando **[100:08 - 100:10]** presenten la monografía, el **[100:10 - 100:11]** trabajo de grado, no sé qué **[100:11 - 100:12]** blorla bloria y referencia y **[100:12 - 100:13]** no saben hacer referencia. **[100:13 - 100:16]** Entonces, sí, hay que agregar **[100:16 - 100:18]** referencias, recuerden la rúrrica, **[100:18 - 100:19]** lo que está en la rúrrica, lo **[100:19 - 100:22]** que se igual, si ustedes lo hacen **[100:22 - 100:24]** el colapto, listo, todo bien, **[100:24 - 100:25]** pero agregue todos los pasos **[100:25 - 100:27]** que están en la rúrrica, me **[100:27 - 100:29]** comparten en las. **[100:29 - 100:30]** Así como les explicamos el **[100:30 - 100:30]** principio lista. **[100:30 - 100:37]** Bueno, chicos, nos vemos **[100:37 - 100:40]** dentro de 8 días. **[100:40 - 100:42]** Gracias a ustedes que les **[100:42 - 100:44]** vayan muy bien con este trabajo **[100:44 - 100:44]** de la rita. **[100:44 - 100:47]** Bueno, también, chao. **[100:47 - 100:48]** Gracias. **[100:48 - 100:49]** Gracias. **[100:49 - 100:50]** Gracias. **[100:50 - 100:51]** Gracias. **[100:51 - 100:52]** Hasta luego. **[100:52 - 100:53]** Gracias. **[100:53 - 100:54]** Gracias. **[100:54 - 100:55]** Vengo. **[100:55 - 100:56]** Vábramos.