Entrega y presentación
La entrega será en formato ZIP. Leer Entrega y presentación de tareas.
Ejemplo del árbol de directorios de entrega (si la tuviese que hacer yo):
1
2
3
4
5
6
mruizg_t03.zip
├─ mruizg_a02.ipynb
├─ mruizg_a03.ipynb
├─ mruizg_a04.ipynb
├─ mruizg_a05.ipynb
├─ mruizg_a06.ipynb
Calificación
La tarea se calificará como apto o no apto.
Actividades
Instala y configura Anaconda
Instala Python 3.11.5 (es OBLIGATORIO usar esta versión).
Instala y configura la aplicación Notebook de Jupyter. Puedes usar la alternativa con la que te sientas más cómodo, las más populares son las siguientes:
Puedes usar el artículo Tutorial: Entornos de desarrollo para Aprendizaje Automático como guía.
MatPlotLib
Descarga el fichero tools_matplotlib_con_preguntas.ipynb lee, ejecuta en tu máquina local y responde a las preguntas que aparecen a lo largo del mismo.
NumPy
Descarga el fichero tools_numpy_con_preguntas.ipynb lee, ejecuta en tu máquina local y responde a las preguntas que aparecen a lo largo del mismo.
Vídeo de regresión lineal por DotCSV
Mira el vídeo de IA NOTEBOOK #1 | Regresión Lineal y Mínimos Cuadrados Ordinarios | Programando IA y sigue los pasos para crear tu primer Notebook de Jupyter desde 0. Llámalo <tu usuario>_a04.ipynb.
El dataset de Boston tiene un problema ético por lo que ha sido eliminado de los datasets de sklearn por lo que hay que importarlo de la fuente original de la siguiente manera:
1
2
3
4
5
6
7
import pandas as pd # doctest: +SKIP
import numpy as np
data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url, sep="s+", skiprows=22, header=None)
data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
target = raw_df.values[1::2, 2]
Si quieres saber más puedes leer el este artículo.
Si tienes dudas sobre cual es tu nombre de usuario lee el artículo Entrega y presentación de tareas.
(Voluntaria) Regresión lineal sobre california_housing
Utiliza regresión lineal con el dataset de california_housing donde aparecen datos de los precios de las casas en California. Lo puedes importar de la siguiente manera:
1
2
from sklearn.datasets import fetch_california_housing
housing = fetch_california_housing()
(Voluntaria) Regresión lineal sobre openml
Utiliza regresión lineal con el dataset de openml donde aparecen datos de los precios de las casas en Ames (Iowa). Lo puedes importar de la siguiente manera:
1
2
from sklearn.datasets import fetch_openml
housing = fetch_openml(name="house_prices", as_frame=True)