Conceptos básicos del lenguaje:

• Identificar qué son los objetos, métodos y atributos dentro del lenguaje.

• Comprender los principales tipos de datos y modificarlos usando operadores básicos (+, −, *, /).

• Entender cómo funcionan las variables como contenedores de información.

• Mejorar la capacidad para depurar código, corrigiendo errores comunes.

• Aprender a buscar documentación y usarla para resolver dudas en distintas bibliotecas.

En este notebook conocerás una etapa fundamental del proceso de Machine Learning: la visualización de datos. Explorarás distintos tipos de gráficos, como scatter plots, line plots y bar plots, para interpretar patrones y comunicar resultados de manera efectiva.

Este lab ofrece una experiencia práctica en exploración y manipulación de datos usando pandas, una de las librerías más potentes de Python para análisis de datos. Trabajarás con varios datasets, incluido el clásico Iris, para entender su estructura, estadísticas básicas y patrones relevantes.

En este lab aplicarás tus habilidades de análisis de datos trabajando con el famoso Titanic dataset de Kaggle. A través de una serie de preguntas guiadas, explorarás las características de los pasajeros y analizarás los factores relacionados con su probabilidad de supervivencia.

En este lab aprenderás a construir modelos de regresión lineal utilizando la librería scikit-learn (sklearn). Explorarás cómo entrenar el modelo, interpretar sus resultados y evaluar su desempeño con datos reales.

En este lab implementarás modelos de K-Nearest Neighbors (KNN), un algoritmo ampliamente usado para tareas de clasificación y regresión. Obtendrás experiencia práctica construyendo, entrenando y evaluando modelos KNN, y verás cómo aplicarlos para hacer predicciones y resolver problemas reales.