Análisis de hábitos y síntomas de cáncer de pulmón con Árboles de Decisión en Python directamente en Kaggle Notebooks para 1º de Bachillerato.
Sesion 1 del Proyecto Florence Nightingale, un mini proyecto de solo dos sesiones centrado en visualizacion de datos en vez de clasificacion: presentacion de la pionera de la estadistica britanica y carga directa (sin descarga) de sus datos reales de mortalidad de la guerra de Crimea, con una primera comparacion simple entre muertes por enfermedad y por heridas de combate.
Este tutorial guía paso a paso al alumnado en la realización de un Análisis Exploratorio de Datos (EDA) inicial utilizando Python, Pandas y JupyterLab sobre el conjunto de datos California Housing. A través de métodos fundamentales como info(), value_counts(), describe() e hist(), los estudiantes aprenderán a identificar la estructura del dataset, detectar valores nulos, analizar variables categóricas, interpretar estadísticas descriptivas (como cuartiles y desviación estándar) y visualizar la distribución de los datos mediante histogramas con Matplotlib. Incluye un reto práctico final para afianzar los conceptos aprendidos.
Aprende a configurar un entorno de Ciencia de Datos en local con JupyterLab Desktop de forma 100% visual y sin usar comandos de consola. Guía paso a paso para descargar y visualizar tu primer conjunto de datos real con Python y Pandas para proyectos de Inteligencia Artificial y pensamiento computacional.
Segunda entrega de METIS: la herramienta pasa de detectar problemas a arreglarlos, con un registro de cambios que hace visible lo que se pierde, y genera la ficha de metadatos del archivo limpio. Con una práctica completa de principio a fin sobre datos del eclipse total del 2 de agosto de 2027 en Estepona.
Tutorial completo para montar METIS, una aplicación web que analiza un CSV y te explica qué hay dentro con un modelo de IA local. Con una regla de fondo: los números los calcula Python, la IA solo los explica. Incluye qué es la ciencia de datos y por qué curar los datos es la parte más importante del trabajo.