Loading repository data…
quallio / repository
El objetivo es poner en práctica todo lo aprendido a lo largo del Bootcamp, realizando el proceso end to end de productos de Machine Learning. Este proyecto está inspirado en una prueba técnica real de Ravelin, una empresa europea que se dedica a la detección de fraude.
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.
El objetivo es poner en práctica todo lo aprendido a lo largo del Bootcamp, realizando el proceso end to end de productos de Machine Learning. Este proyecto está inspirado en una prueba técnica real de Ravelin, una empresa europea que se dedica a la detección de fraude.
Pueden acceder al siguiente link para probar el modelo a través de una App programada en Gradio y FastApi(Python). La misma está subida y deployada en un SPACE de mi cuenta de HuggingFace. Link: https://huggingface.co/spaces/Qualinguis/Fraudulent_or_not
Selected from shared topics, language and repository description—not editorial ratings.
MELuisCruz /
En este repositorio encontrarás el desarrollo de una prueba técnica para una empresa de Seguridad Informàtica (Seguritech). El objetivo es utilizar Jupyter Notebooks y PySpark para hacer limpieza, organización y consulta de una muestra de datos.
41/100 healthMarcosRos002 /
Este repositorio contiene un Jupyter Notebook para realizar clasificación de obesidad a partir del dataset de Kaggle: Obesity Prediction Dataset. El objetivo es explorar datos, entrenar modelos de machine learning y evaluar su desempeño.
27/100 healthDiegoEscanciano /
Este jupyter notebook emplea datos sobre accidentes de coches en Canadá. El objetivo es emplear modelos y algoritmos de Machine Learning para predecir si dado un accidente este será mortal o no.
27/100 healthNodomu /
Este repositorio contiene un notebook de Jupyter con el análisis exploratorio (EDA), limpieza de datos y visualización de los resultados de una encuesta de marketing. El objetivo es encontrar insights sobre demografía, competencia y percepción de la marca MegaBoost.
34/100 healthEmmanuel-Mtz-777 /
Proyecto de análisis de Big Data que utiliza Elasticsearch para procesar y consultar un gran dataset de canciones de Spotify. El objetivo es realizar consultas sobre características clave de las canciones, como duración, energía y valencia, y presentar los resultados a través de visualizaciones interactivas en Jupyter Notebooks.
27/100 healthfait-arch /
En este repositorio, nos proponemos desarrollar dos scripts: uno en Bash y otro en un Jupyter Notebook. El objetivo es realizar el docking de una proteína con una lista de compuestos representados por sus SMILES. Para llevar a cabo este proyecto, utilizaremos el sistema AutoDock Vina.
27/100 health