Coder Social home page Coder Social logo

momartinm / linear_regression_tf Goto Github PK

View Code? Open in Web Editor NEW
1.0 1.0 5.0 3.46 MB

Este repositorio describe como construir diferentes modelos de regresión para la predicción de valores numéricos mediante la utilización de TensorFlow 2.0

License: GNU General Public License v2.0

Jupyter Notebook 100.00%

linear_regression_tf's Introduction

Taller de predicción de precios mediante modelos de regresión

Machine Learning, Tensor Flow, Regresión Lineal Simple, Regresión Lineal Múltiple

Modelos basados en regresión lineal

En los últimos años los modelos basados en Aprendizaje Automático se han vuelto muy populares debido al auge de las redes de neuronas profundas, pero existen muchas otras técnicas además de los modelos construidos mediante la utilización de redes de neuronas. Una técnica sencilla y muy utilizada para la predicción de valores numéricos es la regresión lineal. Esta técnica consiste en la construcción de un modelo matemático que permite aproximar la relación de dependencia entre una variable dependiente Y y un conjunto de variables independientes X.

Índice de contenidos

En este taller se describe el proceso de construcción de modelo de regresión mediante técnicas matemáticos y mediante redes de neuronas para la predicción de precios. Para el desarrollo del taller se han planteado el siguiente roadmap el cual se encuentra formado por dos grupos de ejercicios. El ejercicio 1 se corresponde con la plataforma que utilizaremos para el desarrollo de los cuadernos (notebooks) que utilizaremos en los siguientes ejecicios. Mientras que los otros tres ejercicios se corresponden con los diferentes procesos que utilizaremos para crear nuestro modelos basados en regresión mediante la utilización de TensorFlow.

Itinerarios

El taller puede realizarse mediante mútiples itenerarios que dependerán de que tipo de sistema de construcción de modelos de regresión podemos aprender:

  • Itinerario 1: Ejercicio 1 => Ejercicio 2 => Ejercicio 3 => Ejercicio 4
  • Itinerario 2: Ejercicio 1 => Ejercicio 2 => Ejercicio 4
  • ...
  • Itinerario N: Ejercicio 1 => Ejercicio 4

Requisitos mínimos

A continuación se describen los requisitos mínimos para poder realizar este taller.

  • Conexión a internet.
  • Cuenta de gmail para acceder al sistema collaborate.

Recursos de interés

linear_regression_tf's People

Contributors

momartinm avatar

Stargazers

 avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.