Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Python es un lenguaje de programación interpretado
cuya filosofía hace hincapié en la legibilidad de su
código.Se trata de un lenguaje de programación multi-
paradigma, ya que soporta orientación a objetos, progra-
mación imperativa y, en menor medida, programación
funcional.
1 Introducción
Python es un lenguaje de programación de propósito
general que cada vez es más popular para hacer cien-
cia de datos. Empresas alrededor del mundo uti-
lizan Python para recolectar información de sus datos y Figure 1: Logo de pyton
obtener una ventaja competitiva. A diferencia de otros
tutoriales de Python, este curso se enfoca específica-
mente en Python para la ciencia de datos. Tambien para
aprender maneras de almacenar y manipular datos.
2 Montaje y funcionamiento
1.1 Software
Mediante la clase explicada,para la explicacion de la re-
El programa con el que se trabajó es Python. Python gresión lineal planteada en phyton se hicierón las sigu-
cuenta con facilidades para la programación orientada a ientes pasos,a continuación.
objetos, imperativa y funcional, por lo que se considera 1)
un lenguaje multi-paradigmas.Fue basado en el lenguaje
ABC y se dice que fue influenciado por otros como C, Al-
gol 60, Modula-3 e Icon según su propio autor.También
se trabajó con el programa llamada “Símbolo del Sis-
tema” con el cual se realizaron la actualización e insta-
lación de las librerías, en este caso las de “Pandas” y “xrl
1.2 Hadware
Se requirió de un computador, ya sea portátil o de mesa,
con todos sus implementos para poder hacer todos los
procesos de descargar y programación con el software
ya mencionado anteriormente y todo sin problemas.
1
Ingeniería Mecatrónica
values = []
for i in range(1000): import numpy as np
values.append(J(x1, x2))
x1 -= lr * g1(x1) N = 100
x2 -= lr * g2(x2) with open('data_1d.csv', 'w') as f:
values.append(J(x1, x2)) X = np.random.uniform(low=0, high=100, size=N)
Y = 2*X + 1 + np.random.normal(scale=5, size=N)
print(x1, x2) for i in range(N):
plt.plot(values) f.write("%s,%s\n" % (X[i], Y[i]))
plt.show()
Figure 3: cmd
Figure 5: Segundo
Figure 4: Segundo
2
Ingeniería Mecatrónica
Tercer codigo
import numpy as np
import matplotlib.pyplot as plt
# denominator is common
# note: this could be more efficient if
# we only computed the sums and means once
denominator = X.dot(X) - X.mean() * X.sum()
a = ( X.dot(Y) - Y.mean()*X.sum() ) / denominator
b = ( Y.mean() * X.dot(X) - X.mean() * X.dot(Y) ) / denominator
3
Ingeniería Mecatrónica
Cuarto codigo
Figure 7: Seis
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
Y asi sabemos machine learning tiene infinitas fun-
cionalidades para aprender,mejorar y conocer diferentes
# load the data funcionalidades en la vida a corto y largo plazo
X = []
Y = []
for line in open('data_2d.csv'):
x1, x2, y = line.split(',') 3 Conclusión
X.append([float(x1), float(x2), 1]) # add the bias term
Y.append(float(y)) Aprendemos día a día conocimiento y nuevas funcional-
idades,que en un futuro desarrollar nuevos porgra-
# let's turn X and Y into numpy arrays since that will be
,→ useful later
mas.Ya que las herramientas virutales sirven para un
X = np.array(X) conocimiento amplio y autonomo,y finalmente lograr
Y = np.array(Y) saber sus funcionalidades del programa python.