Instituto Tecnolgico Superior de Valladolid Prctica No. 3.

2
Ingeniera en Sistemas Computacionales
Inteligencia Artificial-Unidad 3 Profesor: Jorge Manuel Pool Cen

UNIDAD DE APRENDIZAJE 3. Reglas y Bsqueda

PRCTICA Introduccin a Machine Learning con Python

PROPSITO DE LA Implementar el entorno de desarrollo de prcticas con la

PRCTICA metodologa Machine Learning con las herramientas opensource
python .

ESCENARIO Centro de Cmputo

Duracin: 2 hrs.

Herramientas

Cuaderno de apuntes.
Bolgrafo.
Equipo de cmputo Core Duo o superior
Software Windows, Python, Numpy, Scikit learn, pandas, matplot
Dispositivo de almacenamiento USB
Internet

Desempeo

Indicador Escala [1-5]

1. Respeta el reglamento del centro de
cmputo
2. Descarga los herramientas opensource de
las pginas o repositorios oficiales
3. Instala y prueba correctamente las
versiones del programa.
4. Genera un archivo de prueba con un editor
opensource.
5. Ordena el espacio y apaga el equipo de
forma correcta.
6. Entrega un reporte indicando los procesos
de instalacin de cada elemento.

II. Preguntas de la practica.

1. Cul es la importancia de Scikit learn?

2. Cul es la importancia de numpy?
3. Cul es la importancia de pandas?
Instituto Tecnolgico Superior de Valladolid Prctica No. 3.2
Ingeniera en Sistemas Computacionales
Inteligencia Artificial-Unidad 3 Profesor: Jorge Manuel Pool Cen

UNIDAD DE APRENDIZAJE 3. Reglas y Bsqueda

PRCTICA Regresin Lineal con Machine Learning

PROPSITO DE LA Implementar el aprendizaje supervisado por medio de regresin

PRCTICA lineal con Machine Learning utilizando numpy, matploti .

ESCENARIO Centro de Cmputo

Duracin: 2 hrs.

Herramientas

Cuaderno de apuntes.
Bolgrafo.
Software Windows, Python, Numpy, Scikit learn, pandas, matplot SublimeText
Dispositivo de almacenamiento USB

Desempeo

Indicador Escala [1-5]

Respeta el reglamento del centro de cmputo
Codifica el problema de diabetes.
Prueba las grficas de regresin lineal
Describe cada una de las sentencias para el
desarrollo de mtodos de regresin lineal
Ordena el espacio y apaga el equipo de forma
correcta.

II. Preguntas de la practica.

1. Cul es la funcionalidad de las sentencias regresion = linear_model.LinearRegression(),

regresion.fit(diabetes_X_train, diabetes_y_train)?

III. Ejercicios.

De la pgina 315 del libro Probabilidad y estadstica para ingenieros del autor Miller, resolver los
ejercicios 11.2, 11.9. Es importante que cada uno de estos ejercicios los datos provengan de un
archivo cvs.

Puedes consultar los siguientes enlaces:

http://machinelearningmastery.com/load-machine-learning-data-python/

http://machinelearningmastery.com/how-to-load-data-in-python-with-scikit-learn/

http://stackoverflow.com/questions/11023411/how-to-import-csv-data-file-into-scikit-learn

Entregables: Modelo de regresin y el reporte de las instrucciones utilizadas (*Requeridas para

cargar los datos cvs).