INMERSIÓN DATOS

Descripción

El código fue elaborado en Google Drive, desde allí se utilizó los recursos que te ofrece Google Colaboratory(Open in Colab) con Python y la famosa biblioteca Pandas, como datos analizados se usó, la base de inmuebles en venta en la ciudad de Bogotá - Colombia, facilitad por ALURA.

CLASE 01 - TU PRIMER COLAB CON PYTHON Y PANDAS - ALURA

Link: https://chriscarsam.github.io/inmersion-datos-Alura/index.html

Desafíos de esta aula

• Promedio del área de todos los inmuebles en los barrios en el dataset. El top 10;

CLASE 02 - TRATAMIENTO DE DATOS Y PRIMEROS GRÁFICOS

Link: https://chriscarsam.github.io/inmersion-datos-Alura/INMERSION_DATOS_AUTLA_2.html

Desafíos de esta aula

• Estudiar mejor el histograma de valores, seleccionar 3 tipos de inmuebles (Refinar el gráfico: Títulos, aumentar el tamaño de labels, colores, conclusión de la información);

CLASE 03 - PROFUNDIZANDO EL ANÁLISIS EXPLORATORIO

Link: https://chriscarsam.github.io/inmersion-datos-Alura/INMERSION_DATOS_AUTLA_3.html

Desafíos de esta aula

• Dar un vistazo a la base de datos del DANE, comprender conceptualmente estas variables para entender mejor el contexto de esta base de datos;
• Organizar tu notebook para que tu proyecto quede mejor presentado.

CLASE 04 - CRUZANDO BASE Y MACHINE LEARNING

Link: https://chriscarsam.github.io/inmersion-datos-Alura/INMERSION_DATOS_AUTLA_4.html

Desafíos de esta aula

• Probar con otros modelos de ML;
• Trabajar más con los datos y crear nuevas variables;
• Probar predicciones para casos reales;