Quedan pocos días y pocos cupos para el EDcamp.Quedan pocos días y pocos cupos para el EDcamp en Bogotá: 16 y 17 de octubre.
Utilice la siguiente expresión regular con lo aprendido para urls:
[http]?[https]+://?[A-Za-z1-9.]+(/[A-Za-z1-9/?&=]+)?
y hago match de las siguientes urls:
Un ejemplo que encontre en kaggle es el de detectar fraudes en tarjetas de credito usando SVM: https://www.kaggle.com/pierra/credit-card-dataset-svm-classification
Otro ejemplo es de la implementacion de un chatbot, utilizando redes neuronales y entrenandose de textos: https://towardsdatascience.com/how-to-create-a-chatbot-with-python-deep-learning-in-less-than-an-hour-56a063bdfc44
Otro ejemplo que encontre es para predecir mediante regresión lineal los precios de las casas: https://towardsdatascience.com/predicting-house-prices-with-linear-regression-machine-learning-from-scratch-part-ii-47a0238aeac1
ML supervisado:
Una ventaja del ML supervisado es la certeza de que el algoritmo dará con la respuesta que nosotros estamos esperando debido a que previamente nos aseguramos de validar la información para su entrenamiento.
Una desventaja que veo del ML supervisado es que se necesita obligatoriamente la información precisa para poder echar andar el modelo o solucionar un problema. En dado caso que no se tenga la data, entonces no podría echar a andar.
Otra desventaja tal vez seria que si dependiera el algoritmo de los datos de entrenamiento y estos llegaran a cambiar mucho entonces podrían existir problemas, dado que aun esta el problema del overfiting.
ML no supervisado:
La ventaja es que es útil para agrupar información en la cual no tenemos certeza de como clasificarla.
Desventaja seria como mencionan que no tendríamos la certeza o la seguridad de lo que esta haciendo esta al 100 preciso.
Hola, otros de los dataset que conosco para principiantes es el Iris dataset. En algunos frameworks como scikit learn lo utilizan mucho para sus primeros ejemplos.
Anexo link de donde se encuentra: https://archive.ics.uci.edu/ml/datasets/iris
Un ejemplito desde la documentación de scikit learn donde carga el dataset de iris: https://scikit-learn.org/stable/tutorial/basic/tutorial.html
Saludos.