Excelente!!, tienes un don para transmitir la informacion de una manera ordenada, concatenada para lograr asi que la atencion del visitante a tu video sea de un 100%
En verdad, es una información que casi no se encuentra en esta plataforma. gracias. Agradecería el data frame original para realizar la practica ya que el que compartes es el postprocesado.
Me daba un igual a 0.0 segundo de diferencia, lo estoy haciendo con otro dataset. El mio. Y no me lo borraba con drop_duplicates. Tuve que realizar el dropeo previo a setear la fecha como index
Siguiendo la clase he notado que el dataset que subiste es weather_dataset_preprocesado.csv, que es el que resulta de la limpieza de datos al final del video. Creo que sería conveniente compartir más bien el original weather_dataset.csv, para poder realizar integramente el notebook. Por lo demás, gran explicación.
Muchas gracias por este material tan valioso... llevaba bastante rato navegando en internet tratando de encontrar una explicación clara y detallada. Te quería peguntar algo respecto a la etapa de ajustes de periodicidad ¿Qué se debe hacer cuando se trabaja con pasos de tiempo de año y nos encontramos con años bisiestos?
Importante mencionar que en este caso la imputación es sencilla dado que la cantidad de datos faltantes es mínima. Pero ante un caso donde dicha cantidad sea superior. Se debe utilizar otro approach. Probablemente usar un modelo tipo ARMA o ARIMA para que usando el comportamiento sobre el histórico permita hacer una predicción de dichos datos faltantes.
Totalmente de acuerdo! Si tenemos un elevado número de datos faltantes podríamos recurrir a técnicas estadísticas para hacer la imputación... o en el peor de los casos tendremos que desechar el dataset y adquirir un nuevo set de datos de forma adecuada.
Hola Miguel, muchas gracias por tus videos. Tengo una pregunta, si tengo una serie de tiempo con 530 semanas entre 2013 y 2022, ¿puedo hacer un modelo usando LSTM? Muchas gracias.
Hola Miguel. Imposible encontrar el archivo weather_dataset.csv. La página a la cual me lleva el link que has dejado me lleva a una serie de archivos, pero no encontré el que tú usas. ¿Serías tan amable de poner el link del que usas en alguna parte para poder rescatarlo? Gracias.
🔥🔥Academia Online: codificandobits.com/ 🔥🔥
🔥🔥Asesorías y formación personalizada: codificandobits.com/servicios/ 🔥🔥
Mil Gracias por el conocimiento que compartes. Eres un Maestro explicándolo, todo sencillo y de manera magistral. Gracias
Excelente!!, tienes un don para transmitir la informacion de una manera ordenada, concatenada para lograr asi que la atencion del visitante a tu video sea de un 100%
Estas clases son oro puro. Muchas gracias en serio
Podre relizar mi tesis de grado gracias a tus clases, eres el mejor
Eres maravilloso. ¡Muchas gracias por compartir tus conocimientos!
En verdad, es una información que casi no se encuentra en esta plataforma. gracias. Agradecería el data frame original para realizar la practica ya que el que compartes es el postprocesado.
Acabo de encontrar este canal y estoy fascianda con el contenido 😍
Bienvenida Patricia!
Excelente video, me ayudo mucho para un problema parecido que tenia.
Muy buena explicación, y el colab q has preparado es fantástico, estoy con ganas de ver el siguiente capitulo!
genial siempre video de alto contenido gracias crack
Muy interesante, para ver un par de veces y practicar algunos de los métodos de Pandas.
Seguimos a la espera del avance. Gracias
magistral clase... Gracias!!!
Excelentemente explicado! Sigo atento a la predicción con redes LSTM multi-step. Saludos!
excelente, muchas gracias por compartir
se gano un suscriptor
Me daba un igual a 0.0 segundo de diferencia, lo estoy haciendo con otro dataset. El mio. Y no me lo borraba con drop_duplicates. Tuve que realizar el dropeo previo a setear la fecha como index
Siguiendo la clase he notado que el dataset que subiste es weather_dataset_preprocesado.csv, que es el que resulta de la limpieza de datos al final del video. Creo que sería conveniente compartir más bien el original weather_dataset.csv, para poder realizar integramente el notebook. Por lo demás, gran explicación.
Muy buen video. 👏👏👏
Super interesante.
julio profe pero de series de machine learning y data science
Muchas gracias por este material tan valioso... llevaba bastante rato navegando en internet tratando de encontrar una explicación clara y detallada. Te quería peguntar algo respecto a la etapa de ajustes de periodicidad ¿Qué se debe hacer cuando se trabaja con pasos de tiempo de año y nos encontramos con años bisiestos?
Importante mencionar que en este caso la imputación es sencilla dado que la cantidad de datos faltantes es mínima. Pero ante un caso donde dicha cantidad sea superior. Se debe utilizar otro approach. Probablemente usar un modelo tipo ARMA o ARIMA para que usando el comportamiento sobre el histórico permita hacer una predicción de dichos datos faltantes.
Totalmente de acuerdo! Si tenemos un elevado número de datos faltantes podríamos recurrir a técnicas estadísticas para hacer la imputación... o en el peor de los casos tendremos que desechar el dataset y adquirir un nuevo set de datos de forma adecuada.
Hola Miguel, muchas gracias por tus videos. Tengo una pregunta, si tengo una serie de tiempo con 530 semanas entre 2013 y 2022, ¿puedo hacer un modelo usando LSTM? Muchas gracias.
Acabo de descubrir este canal y esta buenisimo, pero no encuentro el dataset sin procesar, si alguien lo tiene me podría pasar por favor.
Hola Miguel. Imposible encontrar el archivo weather_dataset.csv. La página a la cual me lleva el link que has dejado me lleva a una serie de archivos, pero no encontré el que tú usas. ¿Serías tan amable de poner el link del que usas en alguna parte para poder rescatarlo? Gracias.
Hola Miguel. Tuve el mismo problema pero encontré los datos también en kaggle.
Buen dia no entiendo nada de redes lstm cual es la pagina a la cual debo ingresar para hacer mi forecasting?
Buenas, como puedo ponerme en contacto para asesoría personalizada?
Hola! Me puedes contactar a través de codificandobits.com/servicios
Un saludo!
Muy buen video, pero no veo la url del notebook
En la descripción del video encuentras el enlace
para cuando el el poximo video profe?
Mañana viernes viene el próximo video!
alguien más está teniendo problemas para descargar el notebook?
No me llega a mi correo el enlace de descarga