harpiechoise

#Google Colab
!wget http://files.grouplens.org/datasets/movielens/ml-100k.zip
!unzip ml-100k.zip
#Importaciones
import torch
import numpy as np
import pandas as pd
import torch.nn as nn
import torch.nn.parallel
import torch.optim as optim

harpiechoise

harpiechoise

from tensorflow.keras.preprocessing.image import ImageDataGenerator
#Definir Datagens
train_data_gen = ImageDataGenerator(
  rescale = 1./255, #Normalizacion para que los valores de las imagenes para que queden entre 0 y 1
  shear_range = 0.2, #Direccion de rotacion contrareloj
  zoom_range = 0.2, #Aplicacion de zoom aleatorio
  horizontal_flip = True # Va a invertir horizontalmente la imagen aleatoriamente
)

test_datagen = ImageDataGenerator(

harpiechoise

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Convolution2D, MaxPooling2D, Flatten, Dense


model = Sequential()
model.add(Convolution2D(128, (3, 3), strides=(1,1), input_shape=(64,64,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Convolution2D(64, (3,3), strides=(1,1), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())

harpiechoise

#Completo
#No ejecutar este codigo
#Solo por partes
from sklearn.model_selection import GridSearchCV
from tensorflow.keras.layers import Dropout

def build_model(optimizer):
  model = Sequential()
  model.add(Dense(32, input_shape=(X_train.shape[1],), activation='relu'))
  model.add(Dropout(0.1))

harpiechoise

import pandas as pd
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.compose import make_column_transformer, ColumnTransformer
from sklearn.model_selection import train_test_split

df = pd.read_csv('train.csv')
df.head()

df = df.dropna(subset=['Pclass', 'Sex', 'Age', 'Embarked', 'Fare', 'SibSp'])

harpiechoise

import numpy as np

def nonlin(x,deriv=False):
	if(deriv==True):
	    return x*(1-x)

	return 1/(1+np.exp(-x))
    
X = np.array([[0,0,1],
            [0,1,1],

harpiechoise

import numpy as np

def nonlin(x,deriv=False):
	if(deriv==True):
	    return x*(1-x)

	return 1/(1+np.exp(-x))
    
X = np.array([[0,0,1],
            [0,1,1],

harpiechoise

harpiechoise

De alguna manera, cada día usted forma parte de algún equipo. La pregunta no es:

«¿Participará en algo que involucre a otros?» La pregunta es: «¿Se involucrará con otros
para tener éxito?» La respuesta podrá encontrarla en este libro.
Todos sabemos que trabajar en equipo es algo bueno; más que bueno, ¡es esencial!
¿Pero cómo se logra esto? ¿Qué es lo que hace que un equipo tenga éxito? ¿Por qué
algunos equipos ascienden rápidamente a las cumbres más altas del éxito y ven cómo su
visión se hace realidad, mientras que otros parecen no ir a ninguna parte?
Estas son preguntas que no tienen una respuesta fácil. Si así fuera, los deportes
tendrían más campeones mundiales y la lista de las compañías de Fortuna 500 nunca