Explicando anomalías en mercados energéticos con modelos Machine Learning
Descubre cómo explicar la influencia de las variables explicativas de un modelo de Machine Learning que detecta anomalías utilizando los valores SHAP.
Descubre cómo explicar la influencia de las variables explicativas de un modelo de Machine Learning que detecta anomalías utilizando los valores SHAP.
Aprende a analizar estadísticamente el rendimiento bursátil de una empresa con Python.
Aprender a integrar un modelo de Machine Learning en una estrategia de inversión y evaluar su rendimiento utilizando la librería backtesting.py con Python.
Programa tus análisis energéticos europeos automáticamente con Python y la API de ENTSO-E. Te lo explicamos paso a paso con ejemplos prácticos.
Sácale provecho a las propiedades del DatetimeIndex en Pandas para analizar series temporales con mayor eficiencia, desde formatear la columna hasta crear reportes con tablas pivotantes.
Aprende a detectar anomalías en series temporales con Python, utilizando técnicas avanzadas y algoritmos de Machine Learning.
Descubre cómo analizar y visualizar precios de contratos MIBGAS usando Pandas y Matplotlib. Este tutorial te guía por filtrado de datos, manejo de fechas y técnicas de interpolación.
Descarga, preprocesa y visualiza los datos energéticos proveídos por Red Eléctrica de España.