Ir al contenido

Jan Dimter

Jan Dimter’s awesome dummy bio.

Ayudantía - Medidas de centralidad
Ayudantía Redes Centralidad
Repaso sobre grafos, redes sociales y sus medidas de centralidad.
Introducción a Rvest
11 mins· 0 · 0
R Webscraping
Rvest es un paquete de R que simplifica la extracción de datos web. Proporciona una interfaz amigable para cargar páginas web, seleccionar elementos HTML y extraer datos.
Introducción a Rmarkdown
9 mins· 0 · 0
R Markdown Rstudio
R fue desarrollado principalmente como un lenguaje para el análisis estadístico y contiene una amplia variedad de funciones y paquetes para estadísticas tradicionales y modernas.
Introducción a Selenium en Python
13 mins· 0 · 0
Python Selenium Webscraping
Selenium es un marco de trabajo (framework) de código abierto que se utiliza para automatizar las pruebas de las aplicaciones web. Proporciona una forma de interactuar con los elementos web de una página de manera programática, es decir, puede hacer clic en botones, rellenar formularios, leer texto, entre otros, tal como lo haría un usuario humano.
Introducción a Beautifulsoup en Python
5 mins· 0 · 0
Python Beautifulsoup Webscraping
BeautifulSoup es una biblioteca de Python que permite extraer información de archivos HTML y XML. Fue diseñada para hacer que el webscraping, o la extracción de datos de sitios web, sea más accesible y fácil de hacer. BeautifulSoup convierte los archivos HTML y XML en árboles de parseo, que son estructuras de datos que representan la jerarquía de los elementos en el archivo.
Introducción a R & Rstudio
10 mins· 0 · 0
R Rstudio Languages
R fue desarrollado principalmente como un lenguaje para el análisis estadístico y contiene una amplia variedad de funciones y paquetes para estadísticas tradicionales y modernas.
Learning to cluster urban areas: two competitive approaches and an empirical validation
papers Urban Clustering
Urban clustering detects geographical units that are internally homogeneous and distinct from their surroundings. It has applications in urban planning, but few studies compare the effectiveness of different methods. We study two techniques (GMMs), which operate on spatially distributed data, and Deep Modularity Networks (DMONs), which work on attributed graphs of proximal nodes.