Entradas

Mostrando las entradas con la etiqueta Cómo resolver ecuaciones lineales con Python

Data Science & Copilot: Explorando Datos de Salud en México

Imagen
En México, el Instituto Nacional de Estadística y Geografía (INEGI) pone a nuestra disposición una vasta cantidad de datos abiertos sobre salud pública. Estos conjuntos de datos representan una mina de oro para la investigación, pero a menudo, su análisis inicial puede ser un proceso largo y laborioso. ⏳ Aquí es donde entra en juego la tecnología de los Grandes Modelos de Lenguaje (LLMs) . ¿Qué pasaría si una IA pudiera actuar como un verdadero copiloto en este proceso, ayudándonos a explorar estos datos y a descubrir patrones de forma más rápida y eficiente? En este post, vamos a ver cómo una herramienta como Copilot puede acelerar la investigación en salud y la ciencia de datos, y por qué se está convirtiendo en un aliado indispensable para los data scientists. Sobre el dataset Para este ejercicio, vamos a usar un dataset público del INEGI que contiene información valiosa sobre temas de salud. Estos datos son cruciales para entender la demografía, la prevalencia de enfermeda...

cómo resolver ecuaciones lineales con Python

Imagen
Quizás se han preguntado cómo puedo resolver una ecuación utilizando Python. Primero es convertir nuestro sistema de ecuaciones a matrices y vectores es decir utilizar Álgebra lineal. Entonces primer paso nuestra ecuación de ejemplo es: 3x + 2y -5z =8 2x-5y+3z =5 8y+9z =6 Esto convertido a Algebra Lineal se ve así: [3,2,-5  2,-5,3 0,8,9] Vector de resultados de la ecuación [8,5,6] En el álgebra lineal tenemos varios métodos que podemos utilizar para resolver este tipo de ecuaciones ,estos métodos son : Regla de Cramer Gauss Jordan Eliminación Gaussiana En este post vamos hablar de la regla de Cramer la cual consiste en ir remplazando una columna por el vector de resultados y obtener la determinante de la matriz inicial y la matriz con el ventor .  Ahora vamos a transformar estas reglas a un programa Primero vamos a hacerlo de manera manual en el programa simulando los pasos import numpy as np #Cramer rules matrix_l = np.array([[3,2,-5],         ...

🚀 Mantener este blog funcionando requiere tiempo y café. ¡Puedes contribuir con uno aquí!