Galeria de Visualizaciones y Dashboards​‌​‌​‌​​‍​‌​​​‌​‌‍​​‌‌‌​‌​‍​​‌‌​‌​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​‌​​‍​​‌‌‌​​‌‍​‌‌​​​‌​‍​​‌‌​​​‌‍​‌‌​​​​‌‍​​‌‌​‌​‌‍​‌‌​​‌‌​‍​​‌‌​‌‌​‍​‌‌​​‌​‌‍​​‌‌​‌‌‌‍​‌‌​​​‌‌‍​​‌‌​​‌‌‍​‌‌​​‌​​‍​​‌‌‌​‌​‍​​‌‌​​‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​‌‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​​​‌‍​​‌‌​​‌‌‍​​‌‌‌​‌​‍​‌‌​​‌​​‍​​‌‌​‌‌​‍​​‌‌‌​​​‍​​‌‌​​​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​​​‌‍​​‌‌‌​​​¶

Resultados de los algoritmos de Machine Learning y NLP del curso.​‌​‌​‌​​‍​‌​​​‌​‌‍​​‌‌‌​‌​‍​​‌‌​‌​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​‌​​‍​​‌‌‌​​‌‍​‌‌​​​‌​‍​​‌‌​​​‌‍​‌‌​​​​‌‍​​‌‌​‌​‌‍​‌‌​​‌‌​‍​​‌‌​‌‌​‍​‌‌​​‌​‌‍​​‌‌​‌‌‌‍​‌‌​​​‌‌‍​​‌‌​​‌‌‍​‌‌​​‌​​‍​​‌‌‌​‌​‍​​‌‌​​‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​‌‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​​​‌‍​​‌‌​​‌‌‍​​‌‌‌​‌​‍​‌‌​​‌​​‍​​‌‌​‌‌​‍​​‌‌‌​​​‍​​‌‌​​​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​​​‌‍​​‌‌‌​​​ Cada pagina incluye analisis, graficos y codigo fuente.

Machine Learning¶

Analisis completos¶

• PCA + Clustering K-Means: Dataset Iris -- Reduccion dimensional y agrupamiento sobre el dataset clasico de Fisher
• Manual PCA estilo FactoMineR -- Replicando el estandar de oro del analisis multivariante en Python

Series Temporales¶

• ARIMA/SARIMA - Metodologia Box-Jenkins -- Identificacion, estimacion, diagnostico y pronostico
• Dashboard ARIMA (interactivo) -- 6 pestanas: serie, descomposicion, ACF/PACF, diagnostico, forecast, radar
• Dashboard ARIMA PRO -- Tema financiero tipo Bloomberg, KPIs, 7 pestanas, comparativa de modelos
• Dashboard ARIMA PRO (interactivo) -- Diseno inspirado en OECD Explorer y Portfolio Optimizer

Computer Vision (Transfer Learning)¶

• Clasificacion de Flores con Transfer Learning -- MobileNetV2 + ML tradicional sobre embeddings
• Dashboard Flores (interactivo) -- t-SNE, comparativa modelos, confusion matrix, radar

Dashboards interactivos (HTML)¶

• Dashboard PCA Iris (interactivo) -- Visualizacion completa en pantalla
• Dashboard FactoMineR (interactivo) -- Circulos de correlacion y biplots

NLP y Text Mining¶

Ejercicios guiados¶

• Ejercicio 01: Anatomia del Texto y Conteo de Palabras -- Frecuencia, tokenizacion y visualizacion
• Ejercicio 02: Filtro de Stopwords -- Limpieza de ruido semantico

Analisis completos¶

• Similitud de Jaccard -- Comparacion de documentos y sistema de recomendacion
• Vectorizacion y Clustering de Documentos -- TF-IDF, K-Means y analisis de topicos

Analisis de Datos de Panel (Big Data)¶

Pipeline completo: Spark + PostgreSQL + ML¶

• Modulo 06: QoG - 4 Lineas de Investigacion + ML -- Asia Central, Seguridad Hidrica, Terrorismo, Maghreb, PCA + K-Means
• Dashboard QoG (interactivo) -- 5 pestanas con graficos Plotly interactivos

Streaming y Cloud (Tiempo Real)¶

Dashboards en vivo¶

• Observatorio Sismico Global -- Sismos en tiempo real desde USGS API
• Dashboard Sismos (interactivo) -- Mapa Leaflet con datos en vivo, filtros por categoria
• ISS Tracker -- Seguimiento de la Estacion Espacial Internacional
• Dashboard ISS (interactivo) -- Posicion en tiempo real, predictor de pases, trayectoria orbital

Tecnologias¶

• APIs en vivo: USGS Earthquakes, Where The ISS At, Open Notify
• Visualizacion: Leaflet.js, CARTO dark tiles, Lucide icons
• Actualizacion: Auto-refresh cada 5-30 segundos

​‌​‌​‌​​‍​‌​​​‌​‌‍​​‌‌‌​‌​‍​​‌‌​‌​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​‌​​‍​​‌‌‌​​‌‍​‌‌​​​‌​‍​​‌‌​​​‌‍​‌‌​​​​‌‍​​‌‌​‌​‌‍​‌‌​​‌‌​‍​​‌‌​‌‌​‍​‌‌​​‌​‌‍​​‌‌​‌‌‌‍​‌‌​​​‌‌‍​​‌‌​​‌‌‍​‌‌​​‌​​‍​​‌‌‌​‌​‍​​‌‌​​‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​‌‌​‍​​‌‌​​​​‍​​‌‌​​‌​‍​​‌‌​​​‌‍​​‌‌​​‌‌‍​​‌‌‌​‌​‍​‌‌​​‌​​‍​​‌‌​‌‌​‍​​‌‌‌​​​‍​​‌‌​​​​‍​‌‌​​‌​‌‍​​‌‌‌​​​‍​‌‌​​​​‌‍​​‌‌‌​​​---

Codigo fuente¶

Los scripts que generan estas visualizaciones estan en:

• ejercicios/04_machine_learning/ -- PCA, K-Means, Silhouette
• ejercicios/05_nlp_text_mining/ -- Conteo, limpieza, sentimiento, Jaccard
• ejercicios/06_análisis_datos_de_panel/ -- Pipeline QoG con Apache Spark
• ejercicios/07_infraestructura_bigdata/ -- Docker Compose, Cluster Spark
• ejercicios/08_streaming_kafka/ -- Kafka, Spark Structured Streaming
• ejercicios/09_cloud_localstack/ -- LocalStack, Terraform, AWS