🐍 El Libro De Python 🐍
@ellibrodepython.bsky.social
Libro de Python en Español: https://ellibrodepython.com/
También podemos integrarla con sp.integrate():
January 17, 2025 at 3:48 PM
También podemos integrarla con sp.integrate():
Ahora, derivamos la expresión con respecto a x usando sp.diff():
January 17, 2025 at 3:48 PM
Ahora, derivamos la expresión con respecto a x usando sp.diff():
Primero, definimos una expresión matemática con la variable simbólica x y creamos un polinomio:
January 17, 2025 at 3:48 PM
Primero, definimos una expresión matemática con la variable simbólica x y creamos un polinomio:
🧑🏫 ¿Sabías que Python puede hacer cálculo simbólico?
¡Con SymPy puedes derivar, integrar y resolver ecuaciones como si estuvieras en un cuaderno de matemáticas!
🧮 Veamos un ejemplo. 👇
¡Con SymPy puedes derivar, integrar y resolver ecuaciones como si estuvieras en un cuaderno de matemáticas!
🧮 Veamos un ejemplo. 👇
January 17, 2025 at 3:48 PM
🧑🏫 ¿Sabías que Python puede hacer cálculo simbólico?
¡Con SymPy puedes derivar, integrar y resolver ecuaciones como si estuvieras en un cuaderno de matemáticas!
🧮 Veamos un ejemplo. 👇
¡Con SymPy puedes derivar, integrar y resolver ecuaciones como si estuvieras en un cuaderno de matemáticas!
🧮 Veamos un ejemplo. 👇
👉 ¿Quieres más ejemplos? Esto y mucho más en El Libro de Python (eBook)
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
El Libro De Python
Tu libro para dominar Python.
📘 Enfocado en la práctica. Solo lo que usarás, sin conceptos innecesarios.💡 50 ejemplos reales: análisis financiero, biote...
ellibrodepython.lemonsqueezy.com
January 16, 2025 at 6:05 PM
👉 ¿Quieres más ejemplos? Esto y mucho más en El Libro de Python (eBook)
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
Con DEBUG, obtienes más detalle:
January 16, 2025 at 6:05 PM
Con DEBUG, obtienes más detalle:
Ejecuta con INFO para ver logs básicos:
January 16, 2025 at 6:05 PM
Ejecuta con INFO para ver logs básicos:
Para scripts simples, print puede bastar, pero en sistemas complejos necesitas algo más potente.
Con logging, puedes configurar niveles de logs desde la línea de comandos. Veamos un ejemplo práctico 👇
Con logging, puedes configurar niveles de logs desde la línea de comandos. Veamos un ejemplo práctico 👇
January 16, 2025 at 6:05 PM
Para scripts simples, print puede bastar, pero en sistemas complejos necesitas algo más potente.
Con logging, puedes configurar niveles de logs desde la línea de comandos. Veamos un ejemplo práctico 👇
Con logging, puedes configurar niveles de logs desde la línea de comandos. Veamos un ejemplo práctico 👇
¿Por qué usar logs?
✔️ Observa la ejecución desde fuera del código.
✔️ Detecta problemas cuando algo no funciona.
Existen diferentes niveles dependiendo del detalle:
INFO: Información general.
DEBUG: Detalles técnicos.
✔️ Observa la ejecución desde fuera del código.
✔️ Detecta problemas cuando algo no funciona.
Existen diferentes niveles dependiendo del detalle:
INFO: Información general.
DEBUG: Detalles técnicos.
January 16, 2025 at 6:05 PM
¿Por qué usar logs?
✔️ Observa la ejecución desde fuera del código.
✔️ Detecta problemas cuando algo no funciona.
Existen diferentes niveles dependiendo del detalle:
INFO: Información general.
DEBUG: Detalles técnicos.
✔️ Observa la ejecución desde fuera del código.
✔️ Detecta problemas cuando algo no funciona.
Existen diferentes niveles dependiendo del detalle:
INFO: Información general.
DEBUG: Detalles técnicos.
¿Quieres mejorar la observabilidad de tu código? 🧐
Los logs son esenciales para entender qué sucede en tiempo real.
En este 🧵 te muestro cómo configurar diferentes niveles de detalle en tus logs usando Python con logging y argparse
Los logs son esenciales para entender qué sucede en tiempo real.
En este 🧵 te muestro cómo configurar diferentes niveles de detalle en tus logs usando Python con logging y argparse
January 16, 2025 at 6:05 PM
¿Quieres mejorar la observabilidad de tu código? 🧐
Los logs son esenciales para entender qué sucede en tiempo real.
En este 🧵 te muestro cómo configurar diferentes niveles de detalle en tus logs usando Python con logging y argparse
Los logs son esenciales para entender qué sucede en tiempo real.
En este 🧵 te muestro cómo configurar diferentes niveles de detalle en tus logs usando Python con logging y argparse
👉 ¿Quieres más ejemplos? Esto y mucho más en El Libro de Python (eBook)
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
El Libro De Python
Tu libro para dominar Python.
📘 Enfocado en la práctica. Solo lo que usarás, sin conceptos innecesarios.💡 50 ejemplos reales: análisis financiero, biote...
ellibrodepython.lemonsqueezy.com
January 15, 2025 at 4:02 PM
👉 ¿Quieres más ejemplos? Esto y mucho más en El Libro de Python (eBook)
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
🐍 ellibrodepython.lemonsqueezy.com/buy/c49ab8c0...
📊 ¡Ahora ya podemos usar nuestro modelo!
#DeepLearning #DataScience
Clasificamos imágenes del set de test:
#DeepLearning #DataScience
Clasificamos imágenes del set de test:
January 15, 2025 at 4:02 PM
📊 ¡Ahora ya podemos usar nuestro modelo!
#DeepLearning #DataScience
Clasificamos imágenes del set de test:
#DeepLearning #DataScience
Clasificamos imágenes del set de test:
Evaluamos la precisión con datos de test:
January 15, 2025 at 4:02 PM
Evaluamos la precisión con datos de test:
🏋️ Entrenamos el modelo:
Usamos el conjunto de entrenamiento durante 5 épocas y verificamos con el de test.
Usamos el conjunto de entrenamiento durante 5 épocas y verificamos con el de test.
January 15, 2025 at 4:02 PM
🏋️ Entrenamos el modelo:
Usamos el conjunto de entrenamiento durante 5 épocas y verificamos con el de test.
Usamos el conjunto de entrenamiento durante 5 épocas y verificamos con el de test.
📐 Definimos y compilamos el modelo:
January 15, 2025 at 4:02 PM
📐 Definimos y compilamos el modelo:
🔧 Preprocesamos los datos:
1️⃣ Normalizamos los píxeles (valores entre 0 y 1).
2️⃣ Añadimos una dimensión extra para trabajar con CNNs.
3️⃣ Convertimos las etiquetas a formato categórico.
1️⃣ Normalizamos los píxeles (valores entre 0 y 1).
2️⃣ Añadimos una dimensión extra para trabajar con CNNs.
3️⃣ Convertimos las etiquetas a formato categórico.
January 15, 2025 at 4:02 PM
🔧 Preprocesamos los datos:
1️⃣ Normalizamos los píxeles (valores entre 0 y 1).
2️⃣ Añadimos una dimensión extra para trabajar con CNNs.
3️⃣ Convertimos las etiquetas a formato categórico.
1️⃣ Normalizamos los píxeles (valores entre 0 y 1).
2️⃣ Añadimos una dimensión extra para trabajar con CNNs.
3️⃣ Convertimos las etiquetas a formato categórico.
Ahora cargamos el dataset MNIST y mostramos algunos ejemplos: 🖼️
Son imágenes de 28x28 píxeles.
Cada imagen tiene una etiqueta (el número que representa).
Son imágenes de 28x28 píxeles.
Cada imagen tiene una etiqueta (el número que representa).
January 15, 2025 at 4:02 PM
Ahora cargamos el dataset MNIST y mostramos algunos ejemplos: 🖼️
Son imágenes de 28x28 píxeles.
Cada imagen tiene una etiqueta (el número que representa).
Son imágenes de 28x28 píxeles.
Cada imagen tiene una etiqueta (el número que representa).
Empezamos importando lo que necesitamos:
January 15, 2025 at 4:02 PM
Empezamos importando lo que necesitamos: