🤖 Inteligencia Artificial & Machine Learning

📊 Descripción

Este trabajo práctico combina teoría y práctica para introducir los fundamentos de Machine Learning, enfocándose en la importancia del análisis exploratorio y el testeo de modelos.

📈 Dataset

Se utilizó el dataset mtcars, disponible en la librería base de R, con 32 observaciones y 11 variables cuantitativas, orientado al análisis del consumo de combustible.

💻 Código Utilizado

# Carga del dataset
data(mtcars)
datos <- mtcars

# Exploración inicial
head(datos)
dim(datos)
summary(datos)

# Modelo de regresión lineal
modelo <- lm(mpg ~ ., data = datos)
summary(modelo)
    

📊 Resultados

• Relación significativa entre consumo de combustible y peso del vehículo.
• Impacto relevante de la potencia y la cantidad de cilindros.
• Importancia del análisis exploratorio previo al modelado.
• Necesidad de evaluar y validar modelos antes de su uso.

🛠 Tecnologías

📂 Repositorio

Este trabajo forma parte del repositorio IA+ML.

👉 Ver repositorio en GitHub