4Geeks logo
4Geeks logo
Sobre Nosotros

Catálogo de contenidos

Para los geeks autodidactas, este es nuestro extenso catálogo de contenido con todos los materiales y tutoriales que hemos desarrollado hasta el día de hoy.

Tiene sentido comenzar a aprender leyendo y viendo videos sobre los fundamentos y cómo funcionan las cosas.

Full-Stack Software Developer

Data Science and Machine Learning - 16 wks

Buscar en lecciones

Aprendizaje social y en vivo

La forma más eficiente de aprender: Únete a una cohorte con compañeros, transmisiones en vivo, sesiones improvisadas de codificación, tutorías en vivo con expertos reales y mantenga la motivación.

← Volver a Proyectos

Continúa aprendiendo gratis sobre:

Proyecto Tutorial K-Medias

Meta

Tutoriales y ejercicios de 4Geeks Coding Projects para personas que están aprendiendo a codificar o mejorando sus habilidades de codificación

Dificultad

beginner

Repositorio

No disponible

Video

No disponible

Demo en vivo

No disponible

Duración promedio

2 hrs

Tecnologías

  • En este pequeño proyecto, utilizarás el algoritmo k-means para segmentar casas según sus coordenadas y su ingreso medio.

🌱 Cómo iniciar este proyecto

Esta vez no se hará Fork, tómate un tiempo para leer estas instrucciones:

  1. Crear un nuevo repositorio basado en el proyecto de Machine Learing haciendo clic aquí.
  2. Abre el repositorio creado recientemente en Gitpod usando la extensión del botón de Gitpod.
  3. Una vez que Gitpod VSCode haya terminado de abrirse, comienza tu proyecto siguiendo las instrucciones a continuación.

🚛 Cómo entregar este proyecto

Una vez que hayas terminado de resolver los ejercicios, asegúrate de confirmar tus cambios, hazle "push" al fork de tu repositorio y ve a 4Geeks.com para subir el enlace del repositorio.

📝 Instrucciones

Agrupación de casas

Crearemos 6 grupos de viviendas basados ​​únicamente en su columna de 'latitud', 'longitud' e 'ingreso medio'.

Enlaces de conjuntos de datos:

https://raw.githubusercontent.com/4GeeksAcademy/k-means-project-tutorial/main/housing.csv

Paso 1:

Instala e importa las bibliotecas necesarias: pandas, sklearn y seaborn.

Paso 2:

Carga el conjunto de datos de vivienda y echa un vistazo a las primeras filas. Luego crea un nuevo marco de datos con solo la columna 'latitud', 'longitud' e 'ingreso medio' para crear nuestros grupos.

Paso 3:

Crea una instancia del algoritmo k-means. Luego, crea una nueva característica de 'cluster' en tu conjunto de datos y predice el clúster ajustando las 3 columnas que tiene. Puede ver la documentación de k-means para implementarlo: https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html.

Paso 4:

Convierte tu nueva columna de 'cluster' al tipo de 'categoría'.

Paso 5:

Utiliza el gráfico de Seaborn para visualizar tus nuevos grupos.

Paso 6:

Como siempre, usa tu notebook para experimentar y asegúrate de obtener los resultados que deseas.

Usa tu archivo app.py para guardar tus pasos definidos, pipelines o funciones en el orden correcto.

En tu archivo README escribe un breve resumen.

Guía de soluciones:

https://github.com/4GeeksAcademy/k-means-project-tutorial/blob/main/solution_guide.ipynb

Meta

Tutoriales y ejercicios de 4Geeks Coding Projects para personas que están aprendiendo a codificar o mejorando sus habilidades de codificación

Dificultad

beginner

Repositorio

No disponible

Video

No disponible

Demo en vivo

No disponible

Duración promedio

2 hrs