PYTHO
N
DATA SCIENCE
LIBRERIAS
Jupyter Informes técnicos (comentarios y código) .pynb
Numpy Librería para manejo de arreglos (vectores y matrices) y operaciones import numpy as np
matemáticas rápidas.
Procesamiento eficiente de grandes volúmenes de datos de sensores
como vibración, temperatura, corriente, etc.
Pandas Manejo de datos estructurados en forma de tablas (DataFrames). import pandas as pd
Limpieza de datos de sensores (eliminar valores nulos, duplicados,
etc.)
Cálculo de estadísticas como media, desviación estándar por
componente.
Matplotlib Visualización de datos (gráficos de líneas, histogramas, scatter plots) import matplotlib as mpl
Graficar señales de vibración o temperatura para detectar patrones.
Mostrar evolución de una variable hasta el punto de falla.
import [Link] as plt
Visualizar resultados de modelos predictivos (confusion matrix,
curvas ROC, etc.).
Scikit-learn Librería de Machine Learning.
Entrenar modelos para predecir el estado de salud de un equipo (por
ejemplo: bueno, en riesgo, fallando).
Algoritmos como Random Forest, SVM, Regresión Logística, KNN,
etc.
Dividir los datos en entrenamiento/validación.
Numpy
data
types
Chapter 2
x1[4]
x[start:stop:step]
x = [Link](10) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Machine
learning
• Supervised Learning: you have input
data and output data to train de
model.
• Predictive maintenance: use of
Classification model because it predict
discrete response (fault or not fault).
• The choose of the correct Classification
model depend on the case.
• Regression: predict continuous
responses. RUL (Reamining Useful
Life).
Machine learning
Algoritmo de aprendizaje Descripción Tipos
Aprendizaje supervisado Existen datos de entrada y salida. Bayes
Entrada: Datos + respuestas correctas Regresión lineal
(datos etiquetados) Regresión logística
Arboles de decisión
Aprendizaje no supervisado El algoritmo aprende de forma Agrupamiento k-medias
independiente a reconocer patrones y Agrupamiento espectral
correlaciones en datos. Agrupamiento jerárquico
Entrada: Datos + sin datos etiquetados
Regresión lineal
• La regresión busca predecir un
dato continuo.
• La función modelo debe
ajustarse a los datos
Modelo de Clasificación
El modelo divide los datos en
grupos y utiliza un plano para
separarlos. Por ejemplo, puede
indicar el color rosado