Lección 12 del curso NumPy para Ciencia de Datos y Machine Learning.
En la lección anterior hablamos de los conceptos de copias «shallow» y «deep» que aparecen al momento de manipular arreglos de NumPy.
Así que hasta este punto ya tenemos prácticamente todas las herramientas para la creación y manipulación de arreglos en NumPy que resultarán muy útiles en nuestros proyectos de Ciencia de Datos y Machine Learning.
Entonces, para cerrar este este tercer módulo del curso veremos una serie de funciones avanzadas que igualmente encontraremos útiles al momento de desarrollar nuestros proyectos. En particular, hablaremos de la concatenación de arreglos y de las funciones «where» y «random.seed»:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, la concatenación nos permite «apilar» arreglos horizontal o verticalmente, mientras que la función «where» nos permite seleccionar o reemplazar elementos en un arreglo con base en una condición.
Además, la función «random.seed» se usa para inicializar la semilla del generador de números aleatorios, garantizando la repetibilidad en el entrenamiento de modelos de Machine Learning.
Así que en este punto tenemos ya todas las herramientas de NumPy que resultarán útiles en el desarrollo de diferentes proyectos de Ciencia de Datos y Machine Learning.
Lo único que nos resta es poner en práctica varias de estas herramientas en un proyecto. Así que en el último módulo del curso veremos como usar un método clásico del Machine Learning, el algoritmo k-means para realizar la clasificación de datos usando NumPy.
Todas las lecciones del curso NumPy para Ciencia de Datos y Machine Learning