Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/mariona-ft/data-mining-mida
MINERIA DE DADES Curs 2023-24 EPSEVG
https://github.com/mariona-ft/data-mining-mida
data-mining data-science data-visualization datascience epsevg ipython-notebook prediccion-de-datos prediction prediction-model predictive-modeling universitat-politecnica-catalunya university-project upc
Last synced: about 2 months ago
JSON representation
MINERIA DE DADES Curs 2023-24 EPSEVG
- Host: GitHub
- URL: https://github.com/mariona-ft/data-mining-mida
- Owner: Mariona-FT
- Created: 2023-11-27T10:29:06.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2024-04-13T11:04:39.000Z (9 months ago)
- Last Synced: 2024-11-13T01:04:20.274Z (about 2 months ago)
- Topics: data-mining, data-science, data-visualization, datascience, epsevg, ipython-notebook, prediccion-de-datos, prediction, prediction-model, predictive-modeling, universitat-politecnica-catalunya, university-project, upc
- Language: Jupyter Notebook
- Homepage:
- Size: 71.4 MB
- Stars: 3
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Data Mining: MIDA
MINERIA DE DADES Curs 2023-24 EPSEVG
En aquest repositori, trobareu tots els fitxers necessaris utilitzats i creats per l'assignatura de Mineria de dades al Curs 2023-24 a la Universitat UPC a EPSEVG.
## Fitxers
A continuació, es detallen els fitxers i projectes penjats en aquest repositori:
### Apunts Mineria de Dades:
Els apunts de MIDA proporcionen un conjunt de materials de referència que cobreixen els conceptes, tècniques i mètodes clau de la mineria de dades. Aquests apunts estan disponibles en format PDF i DOCX.
- Apunts .pdf: [Apunts MIDA.pdf ](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/Apunts%20Mineria%20de%20dades.pdf)
- Apunts .docx: [Apunts MIDA.docx](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/Apunts%20Mineria%20de%20dades.docx)
### Projecte Final: Predicció de l'èxit o l'abandonament acadèmic dels estudiants
Aquest projecte explica la predicció de l'èxit o l'abandonament acadèmic dels estudiants mitjançant l'anàlisi de dades i l'aplicació d'algoritmes predictius. Els materials proporcionats inclouen els informes, la presentació, els scripts de codi font i les dades utilitzades en el projecte.
- Carpeta general: [projecte_Prediccio_Exit_Academic](https://github.com/Mariona-FT/Data-Mining-MIDA/tree/main/projecte_Prediccio_Exit_Academic)
- Informe Final: [Predicció de l'èxit o abandonament acadèmic dels estudiants](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/projecte_Prediccio_Exit_Academic/Predicci%C3%B3%20l%E2%80%99%C3%A8xit%20abandonament%20acad%C3%A8mic%20estudiants.pdf)
- Presentació Final: [Presentacio-Predicció de l'èxit o abandonament acadèmic dels estudiants](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/projecte_Prediccio_Exit_Academic/Presentacio_Predicci%C3%B3%20de%20l%E2%80%99%C3%A8xit%20o%20abandonament%20acad%C3%A8mic%20dels%20estudiants_Mariona_Farr%C3%A9.pdf)
- Scripts de l'activitat:
- [prediccio_exit_academic.ipynb](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/projecte_Prediccio_Exit_Academic/prediccio_exit_academic.ipynb) - Jupyter Notebook
- [prediccio_exit_academic.py](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/projecte_Prediccio_Exit_Academic/prediccio_exit_academic.py) - Python
- Dades: [predicció academic ](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/projecte_Prediccio_Exit_Academic/data.csv)
Extretes de la web: [archive.ics](https://archive.ics.uci.edu/) sota el nom [Predict Students' Dropout and Academic Success ](https://archive.ics.uci.edu/dataset/697/predict+students+dropout+and+academic+success)
### Quiz del curs:
Aqui estan els resultats relacionats amb els qüestionaris de l'assignatura.
- Carpeta general: [quiz_curs](https://github.com/Mariona-FT/Data-Mining-MIDA/tree/main/quiz_curs)
- Respostes quiz 1: [Quiz 1](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/quiz_curs/Quiz%201_2023.pdf)
- Respostes quiz 2: [Quiz 2](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/quiz_curs/Quiz%202_2023.pdf)
, [Segon set preguntes quiz 2](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/quiz_curs/Quiz%202%20-%20ChatGPT%20answers%20about%20SVMs.pdf)
### Activitat 1: Algorismes jeràrquics sobre la borsa
Aquesta activitat implica l'anàlisi de dades de moviments borsaris utilitzant algorismes jeràrquics.
- Carpeta general: [activitat1](https://github.com/Mariona-FT/Data-Mining-MIDA/tree/main/activitat1)
- Informe Final: [Informe_Activitat 1](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/activitat1/Informe_Activitat%201.pdf)
- Scripts de l'activitat:
- [Activitat1. ipynb](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/activitat1/Activitat1.ipynb) - Jupyter Notebook
- [Activitat1.py](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/activitat1/activitat1.py) - Python
- Dades: [activitats borsa 2010-2015](https://github.com/Mariona-FT/Data-Mining-MIDA/blob/main/activitat1/company-stock-movements-2010-2015-incl.csv)
## Autora
Aquest repositori ha estat creat per [Mariona Farré](https://github.com/Mariona-FT)
Gràcies per visitar aquest repositori :)