Día a día se generan una increíble cantidad de datos que pueden ser explotados para generar conocimiento, predecir eventos y clasificar prácticamente de todo, por lo tanto, si eres un entusiasta de lo que se puede lograr con todos estos datos, pero no sabes por dónde empezar, lo más probable es que escuches que los lenguajes más populares para aprender Machine Learning son Python y R.
Les dejo las siguientes guías prácticas a seguir para conocer cómo involucrarse en este apasionante mundo.
1.- Clasificador de Flores de Iris
Este proyecto es conocido como el “Hello World” para aprender Machine Learning. En él dispones de una dataset con datos como la longitud del sépalo y los pétalos, así como la especie a la que pertenece, con esta data de entrenamiento tendrás que clasificar las futuras flores que recibas.
Beneficios:
– Un dataset pequeño y limpio, no necesita pre-procesamiento
– Tres diferentes categorías para la Clasificación
Guía paso a paso: www.machinelearningmastery.com/
2.- Reconocimiento de escritura a mano
Un ejemplo básico, pero bastante impresionante, es el poder reconocer un número escrito a mano, para ello disponemos del popular dataset de MNIST, el cual incluye 60,000 imágenes de entrenamiento de números escritos a mano del 0 al 9.
Cuenta con:
- Un dataset grande pero sencillo de utilizar con keras
- Utiliza Redes neuronales convolucionales
Guía paso a paso : www.data-flair.training/
3.- Precios de casas
Un problema de predicción clásico, es que contamos con atributos de una propiedad, por ejemplo, crimen en la zona, habitaciones, edad, entre otros; y a partir de nuestra data de entrenamiento tenemos que generar un modelo que calcule el valor de una propiedad.
Importante:
- Se comienza por regresión lineal
- Ingeniería de datos o preprocesamiento de datos
Guía paso a paso: www.medium.com/
4.- Kaggle, Titanic: Machine Learning from Disaster
De mano de la popular página de retos de Machine Learning Kaggle, nos presenta este problema introductorio en su plataforma, con base a un dataset con datos de los pasajeros del titanic (género, clase social, edad, entre otros), debemos predecir si un pasajero sobrevivirá o no.
Útil para:
- Practicar tus habilidades con clasificadores
- Aprender a usar la plataforma de kaggle
Guía paso a paso: www.kaggle.com/
5.- Sistema de recomendación de películas
Es un sistema de recomendación, como lo están en todos lados, tiendas en líneas, servicios de streaming, redes sociales, en este ejemplo, el dataset de MovieLens, contiene películas, tags, calificaciones y usuarios, un divertido proyecto para poner a prueba tus habilidades.
A destacar:
– Es un favorito personal
Guía paso a paso: www.towardsdatascience.com
6.- Predicción de ventas
Aquí tenemos otro reto interesante para aprender Machine learning con nuestras habilidades de predicción, tomando de base un dataset con información de las tiendas de Walmart (tamaño, fecha, temperatura), debemos predecir cuánto venderá la tienda en un día determinado.
Lo bueno:
- Nos lleva a la comparación de múltiples modelos contra la misma data
- Realizamos un análisis exploratorio de los datos
Guia paso a paso: www.medium.com/
7.- Detector de noticias falsas
En este ejemplo trabajamos nuevamente con algoritmos de clasificación, sin embargo, tendremos que realizar una transformación de nuestro dataset inicial para hacerlo manejable para nuestros modelos.
Imagina:
- Si contamos con un conjunto de artículos algunos de ellos falsos, otros verdaderos, ¿puedes entrenar un clasificador para que procese textos?
- Te ayudará a resolver este problema.
Guía paso a paso: https://data-flair.training/blogs/advanced-python-project-detecting-fake-news/
8.- Análisis de sentimientos en Twitter
Partiendo de una base de tweets reales minados, se desea identificar cuáles son los tweets que contienen odio de los que no, este proyecto te enseña cómo pueden funcionar los algoritmos para censura de comentarios en redes sociales.
A destacar:
- Analiza y censura comentarios
Guía paso a paso: www.github.com/
Esperamos que estos proyectos te aporten experiencia práctica para aprender Machine Learning y te motiven a investigar más en esta apasionante área que demuestra resultados cada vez más asombrosos.
Te invitamos a leer el siguiente artículo que te podría ayudar a aprender más: Estos son los algoritmos más utilizados en Machine Learning
