Loading repository data…
BrayanR03 / repository
Proyecto desarrollado en Jupyter Notebook utilizando Pandas, Seaborn y Matplotlib para analizar un dataset de jugadores de distintos equipos y países. El objetivo es encontrar la mejor alineación posible para un equipo de fútbol, basada en datos y visualizaciones. La alineación óptima generada se puede visualizar en Trinket.io tras el análisis.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
⚽ Análisis de Datos y Alineación Óptima en el Fútbol 📊 📌 Proyecto desarrollado en Jupyter Notebook para analizar un dataset de jugadores de distintos equipos y países, utilizando Python y bibliotecas de análisis de datos.
🚀 Objetivo del Proyecto Determinar la mejor alineación posible para un equipo de fútbol, basándose en estadísticas clave y visualizaciones de datos.
🛠️ Tecnologías y Herramientas Utilizadas 🔹 Pandas – Limpieza y manipulación de datos 🔹 Seaborn – Visualización de tendencias y patrones 🔹 Matplotlib – Creación de gráficos personalizados 🔹 Trinket.io – Visualización interactiva de la alineación óptima
📈 ¿Qué puedes encontrar en este análisis? ✔ Exploración y limpieza del dataset ✔ Comparación de rendimiento entre jugadores ✔ Evaluación de métricas clave (goles, asistencias, resistencia, etc.) ✔ Visualización de patrones en el desempeño de los jugadores ✔ Generación de la alineación óptima basada en datos
🖥️ Visualización de la Alineación 🎯 La alineación óptima generada se puede visualizar en Trinket.io después del análisis.
📢 ¡Si te gusta el proyecto, no olvides darle ⭐ en GitHub! 🚀⚡
Selected from shared topics, language and repository description—not editorial ratings.
Maurisantiagol /
Colección de experimentos de Aprendizaje Supervisado utilizando Scikit-Learn y Python 3.10. Incluye proyectos de clasificación y regresión desarrollados en Jupyter Notebooks con Pandas, NumPy, Matplotlib y Seaborn.
43/100 healthezebinker /
Este proyecto desarrollado en Python sobre el IDE Jupyter Notebook, tiene por objetivo realizar un análisis de datos sobre los diferentes valores expuestos públicamente por el BCRA (Banco Central de la República Argentina)
32/100 healthEfrainR06 /
Proyecto de investigación desarrollado en Jupyter Notebooks usando PyTorch y el dataset MNIST Superpixels para la clasificación de números manuscritos del 0 al 9. Este trabajo explora métricas como accuracy y train loss, utilizando Weights & Biases para visualizar los resultados de forma dinámica.
ElHeyne /
Academy project developed in Python, using Jupyter Notebook and Visual Studio Code as IDE, which I will update with everything I learn and can be applied. / Proyecto de academia desarrollado en Python, usando Jupyter Notebook y Visual Studio Code como IDE, el cual iré actualizando con todo lo que aprenda y se pueda aplicar.
37/100 healthHectorDanielMG /
Pipelines de proyectos desarrollados con python en jupyter notebook
27/100 healthMr-ZeMoreno /
Este es mi primer proyecto subido a GitHub y desarrollado en Jupyter notebook
42/100 health