Saludos Doctor. Es un gusto aprender mas, me quede muy impresionado y agradecido por el contenido. Quiero hacerle una consulta, puedo reunir datos de acciones de yahoo finance y hacer el mismo proceso? Puede usted colocar un video pero aplicado a yahoo finance, si fuera tan amable.
Excelente video. Hace mucho no pasaba por aquí. Bueniusimo si en la lista de videos futuros estan algunos sobre MLOps a modo de workshops usando diferentes patrones de despliegue y videos que vayan sobre el uso, tunning de modelos que hacen referencia a técnicas potentes como: Bagging, Boosting(XgBoost, LightGMB, Catboost), stacking y stacknet. Un saludo
Excelente aporte, aunque tengo una duda, mencionas que el escalamiento es un proceso importante para este tipo de red, no obstante, si existe un tipo de estacionalidad en los datos ¿este tipo de modelos no sería el más óptimo?. Por ejemplo si lo queremos usar para hacer forecasting de ventas de un bloqueador, en mi país existen 2 épocas demandantes para este tipo de productos, pero si aplico escalamiento se perdería este tipo de datos importantes.
Muchas gracias por tu vídeo. Es muy didáctico y claro para los que nos iniciamos en la materia. Me gustaría preguntarte si las predicciones que muestras en el minuto 45 corresponden a toda la parte azul de la gráfica que divides en 3 colores (azul, verde y naranja), y si hay forma de representar algo a futuro, es decir, a partir de la zona naranja del gráfico. También me gustaría saber por qué no se utiliza la variable ts_size ni Ntst. Muchas gracias.
exelentisimo video. de los pocos tutoriales que uno lo sigue al pie de la letra y que funciona 100% y sin ningun error ni nada. muy agradecido. aunque me quedó la duda de como puedo visualizar la predicciones. o sea que le dé los parametros de entrada y me haga la predicción?
Gracias por tu comentario y qué buena pregunta. Es muy sencillo obtener las predicciones: tomas el modelo entrenado y usas el método "predict". La entrada a ese método es un vector "X" que debe contener las variables predictoras. A la salida "predict" te entrega esas predicciones (que en este caso seería la temperatura). Un saludo!
Una pregunta, quiero pronosticar índices de sequía de un punto de una región, estos valores de índices van de -3.5 a 3.5 aprox.; ¿También es necesario el escalamiento?
profe, mi pregunta es que si esto se puede usar para eventos que no tienen una frecuencia definida. mi problema consiste en predecir acciedentes de transito y no tienen una frecuencia pre establecida tonces no se como aplicar esto a mi problema, excelentes videos gracias
Muy buena explicación, muchas gracias por esta valiosa herramienta. Tengo una duda, ¿qué pasa si en mis datos tengo variables dummy?, no quiero escalarlas,, pero siguiendo con el ejercicio, tendría que obligadamente hacerlo porque ya las tengo dentro de las x_tr, t_vl y x_ts. Saludos
Hola Luis Enrique. No, no es necesario escalar las variables "dummy". Es decir, estas variables ya estarían codificadas con valores de 0s y 1s y no requieren ningún escalamiento por tratarse de variables categóricas. Así que acá lo importante es que al escalar las otras variables numéricas garantices que el escalamiento también se realiza en el rango de 0 a 1.
Profesor, tengo una duda si en el escalamiento, los datos de entrenamiento tienen valores menores que los datos de prueba tendría que escalar en base a todo el dataset. Porque al escalar con respecto al entrenamiento, los datos de prueba tienen valor 2 o 6 mientras que el entrenamiento va de 0 a 1. Y escalar con respecto a prueba, no engloba todos los datos, los de entrenamiento tienen los valores más bajos, y los de prueba los más altos. Qué podría hacer en ese caso?
¡Excelente explicación, muchas Gracias!! , tengo una duda como se realizaría el escalamiento solo sobre una serie creciente ,porque si solo escalo sobre el conjunto de entrenamiento pensaria que los valores validación y test escalados sería 1 ?
Qué buena pregunta! En este caso una de las alternativas más usadas es remover la tendencia (el componente de la serie de tiempo que la hace creciente). Al remover esta tendencia (o trend) ya tenemos un rango de valores estable para la serie de tiempo y podremos realizar el escalamiento. En un próximo video veremos qué es la tendencia y cómo detectarla (y eliminarla) en una serie de tiempo.
@@codificandobits Muchas gracias estimado🙌, voy a intentar con eso porque en un principio pensé en que se podría escalar todo los datos pero se me hace que eso no estaba muy bien🤔.
Muchas gracias por compartir ese conocimiento, como sugerencia podrías usar la capa CuDNNLSTM en lugar de solo LSTM porque es más eficiente para GPU Nvidia, estaré al tanto del próximo video.
Porque al momento de hacer el escalamiento (usando el MinMaxScaler) éste se hace únicamente sobre la columna correspondiente (ejemplo: .transform(x_vl[:,:,i]))
como el modelo es uni-step el output_lenght debe ser 1, como input_lenght desde mi punto de vista depende de que tanta data tengas, pero considero que un valor de 24 a 30 esta bien.
lo que no logro entender, es cual es la prediccion, como la veo , osea la temperatura que a predicho, el numeor, no quiero ver en grafica quiero ver en numeros..... no se di me dejo entender
@@alejandroalonso7104 Me interesa esta respuesta, ya que a mi también me gustaría obtener una predicción a futuro, más allá del conjunto de datos de entrenamiento que utilizó originalmente. Por ejemplo, predecir la temperatura 24 horas después.
![เปิดใจ "อาจารย์เบียร์ คนตื่นธรรม" อดีตเคยสุดทุกทาง ถ้าใช้หนี้หมดไปบวชแน่ l [Nickynachat]](http://i.ytimg.com/vi/IxeE0xVhy08/mqdefault.jpg)
🔥🔥Academia Online: codificandobits.com/ 🔥🔥
🔥🔥Asesorías y formación personalizada: codificandobits.com/servicios/ 🔥🔥
Nuevamente Excelente videos, sobre todo muy didáctico y comprensible su vocalizacion, felicitaciones.!
Gracias , por lo bien explicado y facil de entender .
La mejor serie de videos :)
:) :) :) Gracias, un saludo!
Muchas gracias!!! muy buenos los videos, sobre todo muy didáctico. Felicitaciones.!
muchas gracias por tan buena explicación
Saludos Doctor. Es un gusto aprender mas, me quede muy impresionado y agradecido por el contenido. Quiero hacerle una consulta, puedo reunir datos de acciones de yahoo finance y hacer el mismo proceso? Puede usted colocar un video pero aplicado a yahoo finance, si fuera tan amable.
Excelente video. Hace mucho no pasaba por aquí. Bueniusimo si en la lista de videos futuros estan algunos sobre MLOps a modo de workshops usando diferentes patrones de despliegue y videos que vayan sobre el uso, tunning de modelos que hacen referencia a técnicas potentes como: Bagging, Boosting(XgBoost, LightGMB, Catboost), stacking y stacknet. Un saludo
Muchas gracias por tu comentario y por tus sugerencias sobre mlops y las demás técnicas que mencionas. Tomo nota para futuros videos. Un saludo!
Muy bueno, e intenso. Hay que ir practicando. Gracias.
Gracias por tu vídeo, muy bueno.
Gracias! Muy buena serie!
Excelente aporte, aunque tengo una duda, mencionas que el escalamiento es un proceso importante para este tipo de red, no obstante, si existe un tipo de estacionalidad en los datos ¿este tipo de modelos no sería el más óptimo?. Por ejemplo si lo queremos usar para hacer forecasting de ventas de un bloqueador, en mi país existen 2 épocas demandantes para este tipo de productos, pero si aplico escalamiento se perdería este tipo de datos importantes.
tambien busque y cuando se termina de entrenar se tiene que "regresar" lo escalado para no perder esos valores
Muchas gracias por tu vídeo. Es muy didáctico y claro para los que nos iniciamos en la materia. Me gustaría preguntarte si las predicciones que muestras en el minuto 45 corresponden a toda la parte azul de la gráfica que divides en 3 colores (azul, verde y naranja), y si hay forma de representar algo a futuro, es decir, a partir de la zona naranja del gráfico. También me gustaría saber por qué no se utiliza la variable ts_size ni Ntst. Muchas gracias.
Esa grafica azul corresponde a la parte verde
exelentisimo video. de los pocos tutoriales que uno lo sigue al pie de la letra y que funciona 100% y sin ningun error ni nada. muy agradecido. aunque me quedó la duda de como puedo visualizar la predicciones. o sea que le dé los parametros de entrada y me haga la predicción?
Gracias por tu comentario y qué buena pregunta. Es muy sencillo obtener las predicciones: tomas el modelo entrenado y usas el método "predict". La entrada a ese método es un vector "X" que debe contener las variables predictoras. A la salida "predict" te entrega esas predicciones (que en este caso seería la temperatura). Un saludo!
¡Gracias!
Muy buen video, muchas gracias
Con gusto. Saludos!
Una pregunta, quiero pronosticar índices de sequía de un punto de una región, estos valores de índices van de -3.5 a 3.5 aprox.; ¿También es necesario el escalamiento?
profe, mi pregunta es que si esto se puede usar para eventos que no tienen una frecuencia definida. mi problema consiste en predecir acciedentes de transito y no tienen una frecuencia pre establecida tonces no se como aplicar esto a mi problema, excelentes videos gracias
como resolviste?
Muy buena explicación, muchas gracias por esta valiosa herramienta. Tengo una duda, ¿qué pasa si en mis datos tengo variables dummy?, no quiero escalarlas,, pero siguiendo con el ejercicio, tendría que obligadamente hacerlo porque ya las tengo dentro de las x_tr, t_vl y x_ts. Saludos
Hola Luis Enrique. No, no es necesario escalar las variables "dummy". Es decir, estas variables ya estarían codificadas con valores de 0s y 1s y no requieren ningún escalamiento por tratarse de variables categóricas.
Así que acá lo importante es que al escalar las otras variables numéricas garantices que el escalamiento también se realiza en el rango de 0 a 1.
Genio!!
😊😊😊
Profesor, tengo una duda si en el escalamiento, los datos de entrenamiento tienen valores menores que los datos de prueba tendría que escalar en base a todo el dataset. Porque al escalar con respecto al entrenamiento, los datos de prueba tienen valor 2 o 6 mientras que el entrenamiento va de 0 a 1. Y escalar con respecto a prueba, no engloba todos los datos, los de entrenamiento tienen los valores más bajos, y los de prueba los más altos. Qué podría hacer en ese caso?
¡Excelente explicación, muchas Gracias!! , tengo una duda como se realizaría el escalamiento solo sobre una serie creciente ,porque si solo escalo sobre el conjunto de entrenamiento pensaria que los valores validación y test escalados sería 1 ?
Qué buena pregunta! En este caso una de las alternativas más usadas es remover la tendencia (el componente de la serie de tiempo que la hace creciente). Al remover esta tendencia (o trend) ya tenemos un rango de valores estable para la serie de tiempo y podremos realizar el escalamiento.
En un próximo video veremos qué es la tendencia y cómo detectarla (y eliminarla) en una serie de tiempo.
@@codificandobits Muchas gracias estimado🙌, voy a intentar con eso porque en un principio pensé en que se podría escalar todo los datos pero se me hace que eso no estaba muy bien🤔.
Muchas gracias por compartir ese conocimiento, como sugerencia podrías usar la capa CuDNNLSTM en lugar de solo LSTM porque es más eficiente para GPU Nvidia, estaré al tanto del próximo video.
Qué buena sugerencia. Un saludo!
@@codificandobits Cuando saldra el proximo video?
@@etson32 Este viernes 5 de mayo!
Profesor, muchas gracias, si mi INPUT_LENGTH es por día, como lo puedo colocar
Doctor, hay algo que no entiendo. Si las X están formateadas como 3d (n,24,1) cómo se escalan luego si minmax admite solo datos 2D (n,24)?
Porque al momento de hacer el escalamiento (usando el MinMaxScaler) éste se hace únicamente sobre la columna correspondiente (ejemplo: .transform(x_vl[:,:,i]))
Otra cosa. Fui a su página web para descargar el ipynb, me registré y el correo no ha llegado
Hola. Ya están actualizados los enlaces y funciona la descarga de ambos archivos
@@codificandobits Gracias Doctor, pero sigue sin llegar nada a ninguno de mis correos. Probé con gmail, hotmail y yahoo
Hola!!! si tengo datos mensuales, como deberia definir mi input_length y output_lenght??
Hola, si encontraste la solución, te agradeceré compartir, en mi caso son cada semana
como el modelo es uni-step el output_lenght debe ser 1, como input_lenght desde mi punto de vista depende de que tanta data tengas, pero considero que un valor de 24 a 30 esta bien.
Disculpa en la web no esta lo mismo que en tu codigo, quiza puedas compartir el colab por favor
si compartió el notebook, lo puedes encontrar en la página web
lo que no logro entender, es cual es la prediccion, como la veo , osea la temperatura que a predicho, el numeor, no quiero ver en grafica quiero ver en numeros..... no se di me dejo entender
Las predicciones las haces con la función "predecir" (minuto 42:00). Un saludo!
@@codificandobits Creo que se refiere a cómo usar el modelo ya que está entrenado, si quiero predecir la temperatura de mañana, qué se hace?
@@alejandroalonso7104 Me interesa esta respuesta, ya que a mi también me gustaría obtener una predicción a futuro, más allá del conjunto de datos de entrenamiento que utilizó originalmente. Por ejemplo, predecir la temperatura 24 horas después.