Volver
Academic · Data Science
DataScience Challenges
PythonData ScienceMachine Learning
3 retos de ciencia de datos planteados por el equipo de Paris-Saclay — validación práctica de competencias en numpy, sklearn y pandas.
About
Tres retos cortos propuestos por el equipo de Paris-Saclay como evaluación práctica de las competencias adquiridas en la asignatura de Data Science.
Cada reto se centró en un pilar del ecosistema Python para ciencia de datos: computación matricial con NumPy, aprendizaje automático con Scikit-learn y análisis de datos con Pandas.
La resolución requirió un código limpio, vectorizado y eficiente, sin bucles innecesarios, en la línea del código de producción real.
El repositorio incluye los 3 notebooks con las soluciones completas y las anotaciones del evaluador.
Highlights
- Reto 1: Manipulación avanzada de arrays con NumPy
- Reto 2: Pipeline de machine learning con Scikit-learn
- Reto 3: Análisis y transformación de datos con Pandas
- Resolución eficiente con código vectorizado
- Soluciones validadas automáticamente por el sistema de Paris-Saclay
- Evaluación de competencia técnica práctica