Data Science: Análisis de los Componentes Principales

Cuando tenemos un dataset con muchas variables, se hace necesario un método para reducir el número de variables a tener en cuenta a las más significativas. Para eso se utiliza el ACP:

Data Science: K Nearest Neighbors

Vamos a ver otra técnica de clasificación, la de los K Nearest Neighbors:

Data Science: Support Vector Machines

Los Support Vector Machines son otra forma más avanzada de clasificar y/o predecir valores para un conjunto de datos.

Data Science: Árboles y Bosques Aleatorios

Data Science: Árboles y Bosques Aleatorios - Árboles de Regresión

Los árboles de regresión son iguales que los de decisión, excepto que los árboles de regresión sirven para predecir una variable numérica en lugar de una categórica. Son útiles cuando no existe una relación lineal que nos permita predecir la variable con una regresión lineal:

Data Science: Árboles y Bosques Aleatorios - Algoritmos

Algoritmos para Árboles aleatorios:

Data Science: Árboles y Bosques Aleatorios - Entropía y ganancia de información

Entropía y ganancia de información:

Data Science: Árboles y Bosques Aleatorios - Introducción

Introducción.

Data Science: Clustering Propagación de la afinidad y resumen

Data Science: Clustering K-Means: Cómo obtener el número óptimo de clusters (Teoría)

Para obtener el número óptimo de clusters a utilizar para k-means, existen dos métodos que podemos utilizar: El método del codo y el coeficiente de la silueta.

Data Science: Clustering K-Means (Teoría)

Un clustering también se puede hacer por el método k-means:

Data Science: Clustering Jerárquico y Métodos de Enlace (Teoría)

Vamos a ver los diferentes métodos de enlace que se pueden utilizar para hacer un clustering jerárquico:

Data Science: Clustering y Distancia (Teoría)

Vamos a ver un poco de teoría de Clustering y el concepto de Distancia:

Data Science: Regresión Logística: Resumen Final

Data Science: Regresión Logística: Matrices de confusión y curvas ROC (Teoría)

Vamos a ver teoría en imágenes más validaciones de regresiones logísticas. En concreto, matrices de confusión y curvas ROC:

Data Science: Regresión Logística: Validaciones Cruzadas (Teoría)

Vamos a ver un resumen con imágenes de los tipos de validaciones cruzadas que existen:

Data Science: Regresión Logística: Introducción

Vamos a ver qué es una Regresión Logística:

Data Science: Regresión Lineal: Outliers y resumen

Vamos a ver el problema de los outliers en una regresión lineal y cómo solucionarlo. Y un pequeño resumen de las regresiones lineales hasta ahora:

Data Science: Regresión no Lineal

A veces la relación entre dos variables no es lineal, y por tanto una regresión lineal no es el mejor modelo de predicción posible. Vamos a verlo con más detalle:

Data Science: Regresión Lineal con variables categóricas

Vamos a ver ahora cómo hacer una regresión lineal con variables categóricas:

Data Science: Regresión Lineal: scikit-learn

Ya hemos visto cómo hacer una regresión lineal en Python con la librería statsmodel, ahora vamos a ver cómo hacerla con scikit-learn:

Data Science: Regresión Lineal: Validación del modelo

Siguiendo con la entrada anterior, vamos a ver cómo validar nuestro modelo de predicción.

Data Science: Regresión Lineal: Multicolinealidad

Siguiendo con el ejemplo anterior, vamos ver cómo podemos solucionar uno de los problemas de la correlación lineal múltiple, la multicolinealidad.

Data Science: Regresión Lineal Múltiple

Siguiendo con la entrada de la regresión lineal, vamos a ver cómo hacer una regresión lineal múltiple (que haya dos o más variables predictoras):

Data Science: Regresión Lineal

Vamos a ver cómo hacer una regresión lineal con Python:

MongoDB: Securing database access

We will conclude this chapter by informing you about database security. So far, we have started and used MongoDB without any authentication process. Actually, starting mongod without any additional option exposes the database to any user who is aware of the process.

MongoDB: Comandos básicos de mongo shell

Una vez que hemos instalado MongoDB en nuestro PC, podemos empezar a manejar la base de datos:

Introducción al Análisis de Datos. 8: Estimación

Finalizamos con el tema 8:

Introducción al Análisis de Datos. 7: Distribuciones continuas de probabilidad

Continuamos con el tema 7:

Introducción al Análisis de Datos. 6: Distribuciones discretas de probabilidad

Continuamos con el tema 6:

Introducción al Análisis de Datos. 5: Nociones básicas de probabilidad

Continuamos con el tema 5:

Introducción al Análisis de Datos. 4: Análisis conjunto de dos variables

Continuamos con el tema 4:

Introducción al Análisis de Datos. 3: Medidas de variabilidad y asimetría

Continuamos con el tema 3:

Introducción al Análisis de Datos. 2: Medidas de tendencia central y de posición

Contiuamos con el tema 2:

Introducción al Análisis de Datos. 1: Conceptos básicos y organización de datos

Resumen del tema 1 de introducción al análisis de datos:

Ironhack Data Analytics: Prueba técnica de acceso

Los datos para la prueba técnica de acceso:
https://github.com/albertogcmr/ih-access-test-guide/blob/master/README.md

Data Science: Coeficiente de Correlación de Pearson

Vamos a ver cómo calcular el coeficiente de correlación de Pearson con Python:

Python: Librería matplotlib y seaborn

Las librerías matplotlib sirve para poder pintar gráficos con datos obtenidos de dataframes, por ejemplo. La librería seaborn está basada en matplotlib y es una versión más avanzada de ésta:

Python: Manipulación de Series y DataFrames

Vamos a ver cómo manipular Series y DataFrames:

Python: Crear un dataframe desde HTML y Excel

Vamos a ver cómo crear un dataframe desde una página web y desde un archivo Excel:

Python: Librería pandas

La librería pandas nos permite la creación y manejo de series y dataframes.

Python: Librería numpy

La librería numpy nos permite generar y realizar operaciones con números de forma rápida y simple.

Python: Generar ejecutables

Vamos a ver cómo generar un ejecutable de nuestra aplicación Python para Windows.

Python: JSON y fechas

Vamos a ver brevemente cómo manejar datos JSON y de fechas.

Python: Pruebas y Unittest

En Python podemos ejecutar pruebas de código escribiéndolas dentro de los comentarios. Vamos a ver cómo.

Python: Documentación y Docstrings

Vamos a ver cómo generar documentación de Python.

Python: Funciones Decoradoras

Vamos a ver qué son y para qué sirven las funciones decoradoras.

Python: Expresiones Regulares o RegEx

Vamos a ver cómo utilizar las expresiones regulares en Python.

Python: Funciones Lambda, Filter y Map

Vamos a ver cómo utilizar las funiones Lambda, Filter y Map en Python.

Python: Bases de datos

Vamos a ver comandos básicos para bases de datos con Python:

Python: Ficheros externos

Vamos a ver los diferentes métodos para crear y leer ficheros de texto y binarios en Python:

Python: Módulos y Paquetes

Los módulos no son más que los diferentes ficheros en los que dividimos el código, y los paquetes las carpetas en las que guardamos los módulos. Vamos a ver un ejemplo.

Python: Métodos de cadenas

 Éstos son los métodos de cadena que soportan tanto las cadenas de caracteres de 8 bit como los objetos Unicode:

Python: Referencia Rápida parte 2. Clases

Segunda parte de las referencias rápidas de Python.

Data Science: Joins entre datasets. Práctica

Vamos a ver cómo hacer los diferentes tipos de joins entre datasets en código Python.

Data Science: Joins entre datasets. Teoría en imágenes

Al igual que con bases de datos relacionales, en las que podemos hacer consultas haciendo joins o uniones de tablas a través de un campo clave que se comparta en ambas, con Python podemos hacer exactamente lo mismo con diferentes datasets que compartan algún campo.

Aunque explicaremos en otra entrada cómo hacerlo en código, aquí va una recopilación de imágenes de la teoría de los diferentes joins que se pueden hacer, para recordar.

Data Science: Concatenar varios dataset en uno solo

Vamos a ver cómo podemos concatenar varios datasets (que tengan las mismas columnas) en uno sólo.

Data Science: División de un dataset en conjunto de entrenamiento y pruebas

Vamos a ver cómo dividir un dataset en un conjunto para entrenamiento (training) y otro para pruebas (testing).

Data Science: Agregación de datos, Filtrados, Transformaciones, etc.

Siguiendo con el ejercicio anterior, vamos a ver como podemos realizar cálculos con los valores de las columnas.

Data Science: Agrupación de datos por categorías

Siguiendo con el ejercicio anterior, vamos a ver cómo agrupar los datos por los valores de una variable categórica.

Data Science: Generación de dummy DataFrames

Vamos a ver cómo generar DataFrames con datos dummys o generados al azar.

Data Science: Generación de distribuciones uniformes y normales

Vamos a ver cómo podemos generar con Python una serie de números que sigan una distribución uniforme y otra normal.

Cómo sincronizar un proyecto Java en Eclipse con un repositorio GitHub

Vamos a ver cómo sincronizar un proyecto Java en Eclipse con un repositorio de GitHub.

Data Science: Generación de números aleatorios

Vamos a ver cómo generar números aleatorios con Python.

Data Science: Chuleta data wrangling (Cirugía de datos)

Chuleta para cirugía de datos.

Data Science: Visualización básica de un dataset: Boxplot

El boxplot, o diagrama de caja y bigotes, es uno de los más útiles.

Data Science: Visualización básica de un dataset: Histograma de Frecuencias

El histograma de frecuencias, o gráfico de barras de toda la vida, es la forma más básica de visualización de datos.

Data Science: Visualización básica de un dataset: Scatterplot (nube de puntos)

Los plots son representaciones gráficas de los datos. Vamos a ver cómo crear un scatterplot (nube de puntos).

Data Science: Creación de variables dummies (Dummification)

Vamos a ver cómo crear variables dummies o de prueba en nuestros dataset:

Data Science: Cómo actuar ante valores vacíos de un dataset

Cuando nos encontramos con valores nulos en un dataset. Podemos actuar de las siguientes formas:

Data Science: Chuleta librería pandas y manejo básico de ficheros y datos

Chuleta librería pandas y manejo básico de ficheros y datos:

Data Science: Las 5 etapas del análisis de datos

La ciencia de los datos es un campo que intenta extraer ideas, información útil, predicciones, etc. a partir de una cantidad de datos. Normalmente el análisis de datos sigue estas 5 etapas:

Data Science: Instalaciones necesarias

Vamos a empezar con Machine Learning y Python. Lo primero es instalar todas las herramientas necesarias.

Python: Referencia Rápida parte 1

Aquí iré acumulando hojas de referencia rápida de Python para que sirvan de ayuda.
Además, enlace a documentación de Python: http://pyspanishdoc.sourceforge.net/

Angular: 63. Gráficas de estadísticas con Chartjs: Gráfica de líneas

Vamos a ver, por último, cómo crear una gráfica de líneas.

Angular: 62. Gráficas de estadísticas con Chartjs: Gráfica de barras

Vamos a ver cómo pintar un gráfico de barras.

Angular: 61. Gráficas de estadísticas con Chartjs: Gráfica de pastel

Vamos a ver cómo crear una gráfica de tipo pastel con Angular y Chartjs.

Angular: 60. Gráficas de estadísticas con Chartjs: Instalación

Vamos a ver cómo podemos pintar gráficas de estadísticas en Angular.

Angular: Binding Vista/Modelo o "Formulario HTML/Componente TypeScript"

Vamos a ver cómo la librería @angular/forms enlaza las vistas, los controladores y los modelos, o cómo enlazar campos de html con atributos del componente TypeScript.

Angular: Bug Angular 6. node_modules/rxjs/internal/types.d.ts(81,44): error TS1005: ';' expected.

Últimamente me salta este error en la consola cuando intento crear un proyecto nuevo en Angular 6:

ERROR in node_modules/rxjs/internal/types.d.ts(81,44): error TS1005: ';' expected.
node_modules/rxjs/internal/types.d.ts(81,74): error TS1005: ';' expected.
node_modules/rxjs/internal/types.d.ts(81,77): error TS1109: Expression expected.

Parece ser que es un problema de versiones que existe actualmente. Para arreglarlo, hay que modificar el fichero "package.json" como sigue:

Modificar:

"rxjs-compat": "^6.2.2"

a:

"rxjs-compat": "6.2.2"

Para resolver el problema, encontré la solución en los siguientes enlaces:

https://github.com/ReactiveX/rxjs/issues/4512

https://stackoverflow.com/questions/54529027/node-modules-rxjs-internal-types-d-ts81-44-error-ts1005-expected-error-a

Y eso es todo.

Angular: 59. CRUD Firebase. AngularFire2: Últimos retoques al chat

Vamos a dar los últimos retoques al chat.

Angular: 58. CRUD Firebase. AngularFire2: Autentificación con Twitter y Logout

Vamos a ver cómo implementar el logout y cómo autentificarnos con Twitter.

Angular: 57. CRUD Firebase. AngularFire2: Autentificación con Google

Vamos a modificar la aplicación para poder autentificarnos con Google antes de entrar al chat.

Angular: 56. CRUD Firebase. AngularFire2: Querys y ordenar los mensajes en pantalla

Vamos a ordenar correctamente los mensajes que aparecen en la ventana del chat. Para ello vamos a tener que realizar una query a FireBase.

Angular: 55. CRUD Firebase. AngularFire2: Cargar y agregar mensajes al chat

Vamos a continuar con la aplicación. Esta vez vamos a cargar los mensajes de FireBase en la ventana del chat.

Angular: 54. CRUD Firebase. AngularFire2: Servicio del chat

Una vez creado el componente, vamos a crear el servicio.

Angular: 53. CRUD Firebase. AngularFire2: Componente del chat

Vamos a continuar con la aplicación. Ahora vamos a crear y personalizar el componente del chat.

Angular: 52. CRUD Firebase. AngularFire2: Instalación de la librería

La librería AngularFireBase2 nos va a permitir utilizar mejor los recursos de Firebase. Vamos a crear un nuevo proyecto y vamos a aprender a utilizar la librería. En esta entrada vamos a aprender cómo instalarla.

Java: Leer un fichero TXT y transformarlo en un JSON

Vamos a crear una aplicación que lea el contenido de un fichero .txt y que lo transforme en un fichero con un objeto JSON válido.

Angular: Suscripciones y Observables

Los observables son de los conceptos más útiles y a la vez más difíciles de entender al comenzar con Angular. Éstos se utilizan, mayormente, para compartir información entre distintos componentes de forma asíncrona.

TypeScript: Let, la nueva forma de declarar variables en Javascript

Una de los primeras cosas que aprendimos hace ya más de décadas cuando íbamos descubriendo poco a poco el lenguaje BASIC fue el comando LET para asignar valores a nuestras variables. Es patente que la retroinformática está de moda y que la Historia está destinada a repetirse una y otra vez porque será a finales de este 2014 cuando el nuevo ECMAScript 6 resucite esta palabra reservada para precisamente eso: asignar valor a nuestras variables en Javascript.

Veamos qué cosas implica esta nueva forma de declarar variables…

TypeScript: Funciones de flecha

Las funciones flecha son una de las novedades ES6 (ECMAScript 2015) que más pueden desconcertar a los desarrolladores tradicionales. Su estructura intimida a simple vista y, de hecho, cuando nos las encontramos en un código sin avisar, pueden parecer incluso un error de sintaxis. Quizá ya os ha pasado: revisáis un código moderno en un blog, o en un repositorio de GitHub, e inmediatamente se os va la vista a una estructura rara que no parece que vaya a funcionar en la vida. -¿Pero eso es Javascript? – sería otra pregunta recurrente que quizá os haya hecho algún colega mientras jugáis con esta nueva sintaxis a escondidas…

Java: ordenar ArrayList de objetos por uno de sus atributos

A partir de la versión 1.8 de Java, se pueden utilizar expresiones regulares para ordenar una lista de objetos por uno de sus atributos, con el siguiente comando:

this.getTimers().sort(Comparator.comparing(TimerBean::getDescripcion));

Siendo "Timers" nuestra lista de objetos "TimerBean" y "descripcion" el atributo por el que queremos ordenar la lista.

Comentar que también ordena por atributos de tipo numérico o fecha.

Angular: 51. CRUD Firebase. HTTP - DELETE. Eliminar un registro

Vamos a ver cómo eliminar un registro de Firebase.

Angular: 50. CRUD Firebase. HTTP - GET. Consultar todos los registros

Vamos a ver cómo consultar todos los registros y mostrarlos en una tabla.

Angular: 49. CRUD Firebase. HTTP - GET. Consultar un nodo específico

Vamos a ver cómo consultar un héroe en particular.

Angular: 48. CRUD Firebase. HTTP - PUT. Modificando un registro

Vamos a ver cómo modificar un registro ya creado.

Angular: 47. CRUD Firebase. HTTP - POST. Creando un nuevo registro

Vamos a ver cómo crear un nuevo registro en la base de datos.

Angular: 46. CRUD Firebase. Creación del servicio y el formulario

Vamos a continuar con la aplicación, esta vez crearemos el servicio y el formulario.

Angular: 45. CRUD Firebase. Creación del proyecto y componentes

Vamos a empezar un nuevo proyecto en el que vamos a aprender a hacer CRUD (Create, Read, Update y Delete) en una base de datos con Angular.

Angular: 44. Formularios. Detectar cambios en el calor de un campo o en el estado del formulario

Vamos a ver cómo detectar cambios en los campos de nuestro formulario.

Angular: 43. Formularios. Validaciones asíncronas

Vamos a ver cómo realizar validaciones asíncronas.

Angular: 42. Formularios. Validaciones personalizadas

Vamos a ver cómo podemos crear nuestras propias validaciones de campos.

Angular: 41. Formularios. Array de campos en un formulario

Vamos a ver cómo podemos tratar en un formulario un array de campos, por ejemplo una lista de aficiones en la que cada una sea un String diferente y cuyo número pueda variar de persona a persona.

Angular: 40. Formularios. Precargar datos en el formulario y resetear sus campos

Vamos a ver, por un lado, cómo precargar los campos de un formulario con la información que tengamos en un objeto, y por otro, cómo resetear correctamente los campos de un formulario.

Angular: 39. Formularios. Agrupar objetos en formularios

En la entrada pasada vimos cómo validar campos mediante data, pero esos campos estaban todos en la raíz del formulario. Vamos a ver cómo agrupar campos del formulario por temática mediante formGroupName.

Vectorizar imágenes con Inkscape

Vamos a ver cómo vectorizar una imagen utilizando el programa gratuito Inkscape.