[Azure Machine Learning] Sesion 3 - Herramientas de Desarrollo de Machine Learning

Notas del editor

• #2: Ingredientes – Recipientes – Utencilios – Escaparate
• #10: El Jupyter Notebook es una aplicación web de código abierto que le permite crear y compartir documentos que contienen código en vivo, ecuaciones, visualizaciones y texto narrativo. Los usos incluyen: limpieza y transformación de datos, simulación numérica, modelado estadístico, visualización de datos, aprendizaje automático y mucho más. Entorno de computación interactiva basada en web. Edite y ejecute documentos legibles por humanos mientras describe el análisis de datos.
• #11: https://jupyterlab.readthedocs.io/en/stable/ “JupyterLab is the next-generation web-based user interface for Project Jupyter” JupyterLab es un entorno extensible para la computación interactiva y reproducible, basado en el cuaderno y la arquitectura Jupyter.
• #12: Una consola rica basada en Qt para trabajar con núcleos Jupyter, admitir salida de medios enriquecidos, exportar sesiones y más. La consola Qt es una aplicación muy liviana que se siente en gran medida como un terminal, pero proporciona una serie de mejoras solo posibles en una GUI, como figuras en línea, edición multilínea adecuada con resaltado de sintaxis, información de llamada gráfica y más.
• #13: Entorno de desarrollo científico de Python, potente IDE de Python con funciones avanzadas de edición, prueba interactiva, depuración e introspección.
• #14: Editor de código optimizado con soporte para operaciones de desarrollo como tareas de depuración en ejecución y control de versiones.
• #15: Visualización de datos multidimensionales a través de archivos. Explore las relaciones dentro y entre conjuntos de datos relacionados.
• #16: https://orange.biolab.si Orange es un programa informático para realizar minería de datos y análisis predictivo desarrollado en la facultad de informática de la Universidad de Ljubljana. Componente basado en minería de datos marco. Visualización de datos y análisis de datos para principiantes y expertos. Flujos de trabajo interactivos con una gran caja de herramientas.
• #17: https://www.rstudio.com RStudio es un entorno de desarrollo integrado para el lenguaje de programación R, dedicado a la computación estadística y gráficos. Incluye una consola, editor de sintaxis que apoya la ejecución de código, así como herramientas para el trazado, la depuración y la gestión del espacio de trabajo.
• #19: R, Python, MATLAB, Octave y Julia
• #22: Pandas es una librería de Python diseñado para trabajar con datos “etiquetados” y “relacionales” de manera simple e intuitivos, está diseñado para una manipulación, agregación y visualización de datos rápida y fácil. Pandas agrega estructura de datos y herramientas que están diseñadas para el análisis de datos prácticos en finanzas, estadísticas e ingeniería. Pandas funciona bien con datos incompletos, desordenados y no etiquetados, s decir, el tipo de datos que es probable que encuentre en el mundo real, y proporciona herramientas para configurar, fusionar, remodelar y dividir conjuntos de datos. Con esta librería se puede agregar y eliminar columnas fácilmente desde el DataFrame, convertir estructuras de datos en objetos y manejar datos faltantes (NaN).
• #23: Numpy Se refiere a Numerical Python y es una librería fundamental para la informática científica en Python ya que proporciona la vectorización de operaciones matemáticas en el tipo de matrices, mejorando el rendimiento y, en consecuencia, acelera la ejecución. Esta orientada en administrar y tratar los datos como matrices, su propósito es proporcionar la capacidad de hacer operaciones complejas de matriz que son requeridas por redes neuronales y estadísticas complejas de manera fácil. En resumen, Numpy presenta objetos para matrices y matrices multidimensionales, así como rutinas que permiten a los desarrolladores realizar funciones matemáticas y estadísticas avanzadas en esas matrices con el menor número de código posible. Numpy es una librería de administración de datos que normalmente está emparejado con TensroFlow, SciPy, matplotlib y muchas otras librerías de Python orientadas hacia Machine Learning y la ciencia de datos. SciPy Es una librería de software para ingeniería y ciencia, SciPy incluye funciones para algebra lineal, optimización, integración y estadísticas. Proporciona rutinas numéricas eficientes como integración numérica, optimización y muchas otras a través de sus submódulos específicos. Contiene rutinas adicionales necesarias en el trabajo científico: por ejemplo, rutinas para computar integrales numéricamente, resolver ecuaciones diferenciales, optimización y matrices dispersas.
• #24: Matplotlib es una biblioteca de trazado 2D de Python que produce cifras de calidad de publicación en una variedad de formatos de papel y entornos interactivos en todas las plataformas. Matplotlib se puede usar en los scripts de Python, las carcasas de Python e IPython, el cuaderno Jupyter, los servidores de aplicaciones web y cuatro kits de herramientas de interfaz gráfica de usuario.
• #25: Seaborn es una biblioteca de visualización de datos de Python basada en matplotlib. Proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e informativos.