/Datacademy

Código del proyecto del Reto Datacademy de Platzi

Primary LanguageJupyter Notebook

Datacademy

Código de los Proyectos creados en el Datacademy

📝 Notas y Reflexiones de este Reto

✅ Proyecto 1: Python cardio

Reto 1 - Área de un triángulo

El área de un triángulo se describe de la siguiente manera: A = (b * h) / 2 .

Escribe un programa que tome la base y la altura como parámetros y calcule el área del triángulo.

Bonus: el programa debe determinar si el triángulo es isósceles, equilátero o escaleno.


Reto 2 - Piedra, papel o tijera

Escribe un programa que reciba como parámetro “piedra”, “papel”, o “tijera” y determine si ganó el jugador 1 o el jugador 2.

Bonus: determina que el ganador sea el jugador que gane 2 de 3 encuentros.

Ejemplo:

ppt(“piedra”, “papel”) ➞ “El ganador es el jugador 2

Reto 3 - Conversor de millas a kilómetros

Escribe un programa en que el usuario indique una cantidad de millas y en pantalla se muestre el resultado convertido a kilómetros.

Toma en cuenta que en cada milla hay 1.609344 Km

Bonus: haz que el usuario pueda escoger entre convertir millas a kilómetros o kilómetros a millas.


Reto 4 - Calculadora de volúmenes

Escribe un programa donde apliques las diferentes fórmulas matemáticas para calcular el volumen de un cilindro.

Recuerda que la base del cilindro es un círculo y necesitarás calcular su área. Aplica las fórmulas en tu programa recibiendo datos como altura y radio.

Bonus: agrega otras figuras geométricas a tu programa y que el usuario pueda escoger cuál calcular.


Reto 5 - Rangos cambiantes

Escribe un programa que pida al usuario ingresar 3 números: un límite inferior, un límite superior y uno de comparación.

Si tu número de comparación se encuentra en el rango de los dos límites, imprímelo en pantalla.

En caso de estar por debajo del inferior o arriba del superior, también muéstralo en pantalla y pide ingresar otro número para repetir el proceso.


✅ Proyecto 2: Regresión Lineal

En la semana 2 del Datacademy se creo un modelo de Regresión Lineal con scikit-learn, además de crear visualizaciones de los resultados del modelo usando Seaborn