TAREA # 1: COMPRENDER EL PROBLEMA Y EL CASO

PRÁCTICO

Figura 1. Análisis del Sentimiento de los Clientes

TAREA # 2: IMPORTAR LIBRERÍAS Y DATA SETS

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# Necesitarás montar tu disco usando los siguientes comandos:
# Para obtener más información sobre el montaje, consulta en: https://stackoverflow.com/qu
from google.colab import drive
drive.mount('/content/drive')

TAREA #3: EXPLORAR EL DATASET

TAREA #4: LLEVAR A CABO LA LIMPIEZA DE DATOS

TASK #5: LEARN HOW TO REMOVE PUNCTUATION FROM

TEXT

TAREA 6: ENTENDER COMO LIAR LAS STOPWORDS

TAREA 7: ENTENDER EL PROCESO DE TOKENIZACIÓN

TAREA #8: LLEVAR A CABO LA LIMPIEZA DE DATOS

APLICANDO TODO LO QUE HEMOS APRENDIDO!!

# Definimos un pipeline para limpiar todos los mensajes
# El pipeline realizamos lo siguiente: (1) eliminar signos de putuación, (2) eliminar las 

# Probemos la función que acabamos de crear
TAREA #9: ENTENDER LA TEORÍA Y LA INTUICIÓN
DETRÁS DE NAÏVE BAYES
TAREA #10: ENTRENAR UN MODELO CLASIFICADOR DE
NAÏVE BAYES
TAREA #11: VALIDAR LA EFICACIA DEL MODELO
ENTRENADO

TAREA #12: RETO FINAL - ENTRENAR Y EVALUAR UN

MODELO CLASIFICADOR BASADO EN LA REGRESIÓN
LOGÍSTICA

UN TRABAJO EXCELENTE! PUEDES SENTIRTE

ORGULLOSO DE TODO LO QUE ACABAS DE APRENDER