Anaconda y Jupyter Notebook como plataforma de Machine Learning en Python

La distribución gratuita incluye una serie de librerías y programas utilitarios avanzados tales como

Image tomada de https://www.anaconda.com/distribution/

Dentro de los paquetes que me han resultado más interesantes podemos mencionar:

1. Numpy: Librería de Python para computación científica
2. Scipy: Meta-librería de computación científica para Python
3. Pandas: Librerías para estructuras de datos y analítica de datos para Python
4. Jupyter Notebook: Es un IDE que permite crear documentación «activa/viva» incluyendo visualizaciones, scripts, ejemplos, etc

Jupyter Notebook perimte generar documentación viva que incluya scripts, datos y visualizaciones de ejemplo.

En Windows, para ejecutar Jupyter Notebook se abre la consola de Anaconda (Windows > Anaconda Prompt) y se ejecuta el comando jupyter notebook

Este comando levanta un servidor jupyter y una ventana de navegador apuntando a http://localhost:8888 (el puerto puede variar)

Cada línea del documento puede ser de tipo Markup, Titulo o Código.

En las líneas que son de tipo código puede ejecutarse este con solo presionar [CTRL] [ENTER]

Desde esa ventana web se pueden crear o modificar proyectos Jupyter que incluyan código de ejemplo Python que puede ser ejecutado en el documento.

Machine Learning Workflow: Es un patrón repetible y orquestado que permite la transformación y el procesamiento sistemático de informació para crear soluciones de predicción.

1. Definir la pregunta a responder
2. Preparar los datos
3. Seleccionar un algoritmo
4. Entrenar un modelo
5. Validar el modelo
6. Retro-alimentación