Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Sigue las siguientes instrucciones:
Una vez que comiences a trabajar en el proyecto, verás un fichero ./project.es.ipynb
que contiene una serie de ejercicios.
Antes de iniciar, asegúrate de seleccionar el Kernel adecuado.
Se mostrará una lista con las opciones disponibles. Selecciona "Python Environments" y elige la versión de Python que deseas utilizar.
devcontainer.json
, ya que esta es la recomendada para el proyecto.¡Todo listo! Ahora puedes comenzar a resolver los ejercicios uno por uno. Recuerda leer atentamente cada enunciado y aplicar lo aprendido. 🚀
Una vez que completes los ejercicios, sigue estos pasos para enviarlos correctamente:
Guarda y confirma los cambios en tu repositorio local:
1git add . 2git commit -m "Completed exercises"
Sube los cambios a GitHub con:
1git push origin main
Dirígete a 4Geeks.com para enviar el enlace de tu repositorio.
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv
Dificultad
easy
Duración promedio
3 hrs
Tecnologías
scikit-learn
matplotlib
Pandas
Data Science
Machine Learning
Numpy
opencv