Unidad 2. Preprocesamiento de datos: preparando la base del aprendizaje automático

Lección 1. Importancia del preprocesamiento: calidad y consistencia de los datos

• Material teórico (PDF)

• Vídeo de recapitulación de conceptos clave (YOUTUBE)

• Ejemplo Numpy
  • Notebook (COLAB)
  • Archivo de datos (CSV)
  • Vídeo explicativo (YOUTUBE)
• Ejemplo Pandas
  • Notebook (COLAB)
  • Archivo de datos (CSV)
  • Vídeo explicativo (YOUTUBE)
• Ejemplo Matplotlib
  • Notebook (COLAB)
  • Archivo de datos (CSV)
  • Vídeo explicativo (YOUTUBE)
• Ejemplo Scikit-learn
  • Notebook (COLAB)
  • Archivo de datos (CSV)
  • Vídeo explicativo (YOUTUBE)

Lección 2. Limpieza de datos: detección y tratamiento de valores nulos, duplicados y errores

• Material teórico (PDF)

• Vídeo de recapitulación de conceptos clave (YOUTUBE)

• Ejemplo limpieza de datos
  • Notebook (COLAB)
  • Vídeo explicativo (YOUTUBE)

Lección 3. Visualización exploratoria: distribuciones, correlaciones y detección de problemas

• Material teórico (PDF)

• Vídeo de recapitulación de conceptos clave (YOUTUBE)

• Ejemplo visualización exploratoria
  • Notebook (COLAB)
  • Vídeo explicativo (YOUTUBE)

Lección 4. Transformación de datos: normalización, codificación y escalado

• Material teórico (PDF)

• Vídeo de recapitulación de conceptos clave (YOUTUBE)

• Ejemplo transformación de los datos
  • Notebook (COLAB)
  • Vídeo explicativo (YOUTUBE))

Lección 5. Selección y reducción de características: filtrado, PCA y técnicas avanzadas

• Material teórico (PDF)

• Vídeo de recapitulación de conceptos clave (YOUTUBE)

• Ejemplo PCA
  • Notebook (COLAB)
  • Vídeo explicativo (YOUTUBE)

Ejemplo completo (síntesis de todas las lecciones)

• Notebook (COLAB)
• Archivo de datos (CSV)
• Vídeo explicativo (YOUTUBE)