Organización de Datos (Data Science) - FIUBA

El repositorio contiene los trabajos practicos de la materia. Los notebooks con sus respectivos enunciados se encuentran dentro de la carpeta de cada TP (links abajo).

Integrantes:

• Mateo Craviotto
• Joaquín Gomez

Para la confección de este trabajo se utilizaron algunas bibliotecas de Python para análisis de datos y machine learning: Pandas, Numpy, sklearn, Keras, entre otras.

Trabajo Práctico 1

Análisis de datos sobre impuestos y construcción de un Baseline.

Enunciado

Notebook de presentación TP1

Trabajo Práctico 2

Predicción sobre los datos analizados en el anterior trabajo mediante el entrenamiento de modelos de Machine Learning y la búsqueda de hiperparámetros.

Enunciado

Informe del trabajo práctico

Se utilizaron los siguientes modelos y ensambles:

• Modelos:

  • Árbol de Decisión
  • KNN - K Nearest Neighbors
  • Naive Bayes
  • Red Neuronal
  • SVM - Support Vector Machines

• Ensambles:

  • Boosting
  • Random Forest
  • Stacking
  • Voting

• Además, se incluyó el baseline del TP1 dentro de los modelos:

  • Baseline TP1