Mostrar los tags: Python

Mostrando del 1 al 10 de 134 coincidencias
<<>>
Se ha buscado por el tag: Python
Imágen de perfil

Crear carpetas secuenciales


Python

Actualizado el 11 de Septiembre del 2019 por Héctor Madriz (Publicado el 10 de Septiembre del 2019)
474 visualizaciones desde el 10 de Septiembre del 2019
Crear carpetas secuenciales
Imágen de perfil

Acertijo en Python


Python

Publicado el 4 de Septiembre del 2019 por Rodolfo
593 visualizaciones desde el 4 de Septiembre del 2019
Un amigo me puso este acertijo para que lo resolviera en una hora.

Quizá les parezca interesante. Es una función que genera un hash de una palabra y el objetivo es crear la función un_hash, para determinar la palabra a partir del hash generado.

Les recomiendo no mirar la función un_hash y tratar de resolverlo primero. Sería interesante ver como lo resuelven Uds.

Saludos,

Rodolfo
Imágen de perfil

Ordenamiento Burbuja Python


Python

Actualizado el 27 de Agosto del 2019 por Ana Zelideth (Publicado el 1 de Agosto del 2019)
1.276 visualizaciones desde el 1 de Agosto del 2019
Hola:

Les comparto un programa en Python del algoritmo de Ordenamiento Burbuja o Buble Sort de manera ascendente, en este caso puse un arreglo dentro del programa con 9 posiciones, pero pueden adaptar el programa para un arreglo más grande o leer un arreglo.
Imágen de perfil

Capturas de Pantalla con Python


Python

estrellaestrellaestrellaestrellaestrella(1)
Actualizado el 27 de Agosto del 2019 por Yordani (Publicado el 26 de Agosto del 2019)
778 visualizaciones desde el 26 de Agosto del 2019
Este es un código muy básico muestra como capturar la pantalla del ordenador y guardarlo en un archivo.

Para usar el código para Windows y Mac debes instalar la librería PIL.
Para usar en código para Linux, debes instalar la librería pyscreenshot.
Imágen de perfil

PerceptrónSimple


Python

Publicado el 27 de Julio del 2019 por Fernando
1.024 visualizaciones desde el 27 de Julio del 2019
MODELO DE PERCEPTRON SIMPLE
Los perceptrones son tipos de redes neuronales, las neuronal network más simples que existen. El modelo de perceptrón simple permite realizar una clasificación binaria de dos clases linealmente separables. Cada clase puede contener diferentes variables (X1 … Xn), cada una de estas variables supone una entrada a la red neuronal. Cada entrada se asocia a un determinado peso (W1 … Wn), el sumatorio del producto de cada entrada por su correspondiente peso nos da un valor, Z (z= Σ Xn*Wn ). Las diferentes entradas convergen en una misma neurona, esta representa la neurona de salida y tendrá un determinado umbral de activación, Y. Si el valor Z es mayor que el umbral de activación (Y) la neurona se activará y clasificará una clase como positiva, si por el contrario el valor Z no supera el umbral de activación Y, la neurona no se activará y clasificará la clase como negativa. El modelo de perceptrón simple requiere de un entrenamiento supervisado, es decir, para cada conjunto de valores le indicamos a que clase pertenecen dichos valores. De esta forma, cada vez que se equivoque al clasificar un conjunto de valores, se podrán ajustar los diferentes pesos W. A medida que esta red se va entrenando siempre convergerá en una solución, siempre y cuando, las dos clases sean LINEALMENTE SEPARABLES.
A continuación, vamos con un programa sumamente sencillo. En este programa, las dos clases contienen 4 variables las cuales, corresponden a números aleatorios en coma flotante comprendidos entre 0 y 1. Aparecen ajustados los intervalos (en la función al() ) para que ambas clases sean linealmente separables ya que si no, el programa nunca encontrará una solución. Los pesos del perceptrón han sido iniciados aleatoriamente en el intervalo de 0 a 0.5. Como mencioné anteriormente, se trata de un tipo de aprendizaje supervisado, por ello, para cada conjunto de datos se indica la clase a la que pertenece. Una vez que tenemos los datos a clasificar y los pesos del perceptrón inicializados aleatoriamente, el siguiente paso consiste en ajustan los pesos. Estos pesos se ajustarán solo cuando el clasificador falle siguiendo la función de entrenamiento (o algoritmo de aprendizaje)  Wt+1 = Wt + (0 - Z)*Xn . Si el clasificador acierta la clase los pesos no se corrigen. Tras el entrenamiento el clasificador (en este caso en dos o tres ciclos) alcanza un rendimiento del 100%, de forma que todos los conjuntos de datos pertenecientes a la Clase 1 tienen un valor de Z > Y (superan el umbral de activación) y todos los datos pertenecientes a la Clase 2 tienen un valor de Z < Y (inferiores al umbral de activación).
Se trata de un algoritmo muy muy sencillo que representa el potencial de la Inteligencia Artificial en el análisis de datos. El umbral de activación o más formalmente la función de activación corresponde a la función más sencilla posible, la función escalón de McCulloch y Pitts. Estoy disponible para cualquier duda o sugerencia. Se que esto es un ejemplo sencillo, estaba practicando, diseñé e hice el programa en menos de una hora y decidí compartirlo por si a alguien le interesaba un poco el tema haciendo una mini-explicación.
Imágen de perfil

juego del gato


Python

Publicado el 26 de Julio del 2019 por Mauricio Roman
785 visualizaciones desde el 26 de Julio del 2019
hola les traigo el juego del gato espero les guste
solo funciona en linux

juego-gato
Imágen de perfil

Clase para editar un archivo de configuración


Python

estrellaestrellaestrellaestrellaestrella(3)
Publicado el 24 de Julio del 2019 por Xavi
877 visualizaciones desde el 24 de Julio del 2019
Clase para modificar un archivo de configuración del tipo clave valor...
Imágen de perfil

Convertir un JSON a CSV


Python

estrellaestrellaestrellaestrellaestrella(1)
Publicado el 23 de Julio del 2019 por Xavi
906 visualizaciones desde el 23 de Julio del 2019
Este código muestra como convertir un simple json a un archivo CSV
Imágen de perfil

recursividad con Python


Python

Publicado el 11 de Julio del 2019 por Ana Zelideth
726 visualizaciones desde el 11 de Julio del 2019
Veamos un ejemplo en Python que fue un ejercicio en mi curso de Python for everybody en Coursera , el programa debe ingresar a una pagina WEB leer en pantalla que línea de la página se va a buscar y como tercer parámetro cuantas veces se va a entrar a buscar la página, es decir vamos a ir adentrándonos a las ligas de una página.
Imágen de perfil

Mostrar el tiempo en formato entendible


Python

Actualizado el 8 de Julio del 2019 por joel (Publicado el 19 de Diciembre del 2018)
906 visualizaciones desde el 19 de Diciembre del 2018
Esta clase puede recibir milisegundos, segundos, minutos y horas, y devuelve una cadena con un formato mas entendible.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
obj=timeHuman()
 
obj.reset().setMiliseconds(2000)
print(obj.getTimeHuman())
# devolverá: 2 seconds
 
obj.reset().setSeconds(1480)
print(obj.getTimeHuman())
# devolverá: 24 minutes and 40 seconds
 
obj.reset().setMinutes(60)
print(obj.getTimeHuman())
# devolverá: 1 hour
 
obj.reset().setHours(3)
print(obj.getTimeHuman())
# devolverá: 3 hours
 
obj.reset().setHours(30).setSeconds(1480).setMiliseconds(2000)
print(obj.getTimeHuman())
# devolverá: 1 day, 6 hours, 24 minutes and 42 seconds
 
obj.reset().setSeconds(1441)
print(obj.getTimeHuman())
# devolverá: 24 minutes and 1 second
Revisar política de publicidad