Soy nuevo en esto de programación. Para esto de prediccion, es como una rama? (ciencia de datos, fronted, etc) :'v o q tengo q aprender primero? Quiero usar prediccion para mantenimientos predictivo
Primero debes definir el lenguaje donde quieras aprender a hacer analisis o predicciones. En este canal love "Python" : ) .Osea, aprender python, por lo menos básico. Luego un poco de analisis de datos con python, y por ultimo algunos temas de machine learning, deep learning o inteligencia artificial. Quieres aprender conmigo, escribeme al fb o ig. Saludos!
Busca Júpiter notebook en las extensiones e instalas. Luego para crear un notebook, pones newfile y de nombre le pones: name.ipynb (la extensión no es .py, sino .ipynb)
Deberías crear el control PID y aplicarlo a tu modelo de péndulo. Puedes encontrar las constantesanualmente y usarlas. O también, en matlan hay una herramienta para encontrar las constsntes óptimas
No hay máquina que pueda calcular como se moverán 3 cuerpos en el espacio, ya que eventualmente sus órbitas se vuelven caóticas o imposibles de calcular
No soy un profesional en el tema pero el problema consiste en que la gravedad de los tres cuerpos resulta errática debido a que al ser tres puntos diferentes ejerciendo una fuerza de atracción generan que su órbita sea caótica, no se puede calcular con exactitud la ubicación y las coordenadas a las que se estarán desplazando, si no me equivoco hay un libro que habla sobre el tema y tiene ese nombre además que por lo que leí sacaron una adaptación del libro como una serie en Netflix
si quieren hacerlo con la ia import tensorflow as tf import numpy as np # Datos de ejemplo: secuencia de números flotantes secuencia = np.array([[0.1, 0.2, 0.3, 0.4], [0.2, 0.3, 0.4, 0.5], [0.3, 0.4, 0.5, 0.6], [0.4, 0.5, 0.6, 0.7], [0.5, 0.6, 0.7, 0.8]]) # Definición del modelo modelo = tf.keras.Sequential([ tf.keras.layers.Input(shape=(4,)), # Capa de entrada con 4 elementos en la secuencia tf.keras.layers.Dense(8, activation='relu'), # Capa oculta con 8 neuronas y activación ReLU tf.keras.layers.Dense(1) # Capa de salida con 1 neurona para la predicción del siguiente número ]) # Compilación del modelo modelo.compile(optimizer='adam', loss='mse') # Optimizador Adam y función de pérdida de error cuadrático medio # Entrenamiento del modelo modelo.fit(secuencia[:-1], secuencia[1:], epochs=1000, verbose=0) # Utilizando todas las secuencias excepto la última como entrada y todas las secuencias excepto la primera como salida print(modelo.predict(np.expand_dims(secuencia[-1], axis=0)))
No funcionó, me respeta el área, pero igualmente debo ir a un ícono bastante pequeño y seleccionar "copiar". Ya probé con todas las opciones, habilitándolas o no.
Me uno a la cadena de comentarios positivos, realmente te felicito, pero deja explicar un par de razones para que otros youtubers también capten la idea; 1ero- Directo al grano, sin chistecitos, sin eso de "suscribirte", etc... 2do Tienes consciencia de que NO TODOS saben matemáticas, programación, estadísticas, es decir, aunque la mayoría que verá el video sabe "algo de alguna mencionada, tu no lo das por sentado y "ESO" mi estimado es crucial pues cuando se hace un tutorial o se da alguna explicación se tiene que hacer asi y se lee "obvio" pero resulta que no lo es para todo el mundo. Así que hermano, lo felicito y te animo a seguir, solo acabo de ver este video y me dio curiosidad de entrar a tu canal y ya me suscribí, así listo.
@@EliseoAnayaRivero si solo tienes los datos de salida y no de entrada o viseversa, no puedes estimar la otra variable. Pero, hay otra opción que si solo tienes "datos" puedes agruparlos según en algo que se parezcan, así alguno de tus datos se agruparán entre si, y otras partes TMB lo harán. Y ya tu puedes darle una etiqueta a cada grupo que se formó. Se le conoce como aprendizaje no supervisado. Por ejemplo el algoritmo kMeans agrupa datos según alguna característica que desees, forma grupos y ya después tu puedes darle algún nombre o etiqueta a esos grupos. Saludos!! 🦾
@@EliseoAnayaRivero puedes buscar "aprendizaje no supervisado" en yt, dentro de este se encuentra el algoritmo "kmeans" y algunos más. Aún no tengo un video sobre esto, está en proceso jsutamente! Saludos 😀
Los pronósticos son un método que se utiliza ampliamente en el análisis de las series de tiempo para predecir una variable de respuesta, como ganancias mensuales, comportamiento de acciones o cifras de desempleo, para un período de tiempo determinado. Los pronósticos se basan en patrones de datos existentes.