Machine Learning - Titanic Survival Prediction con Python y Scikit-Learn (Pipeline Completo)

¿Qué verás en este video? Análisis Exploratorio de Datos (EDA) con Pandas, Matplotlib y Seaborn. Preprocesamiento: imputación de nulos, codificación de categóricas y escalado. Construcción de un Pipeline con Scikit-Learn (ColumnTransformer, StandardScaler, OneHotEncoder). Entrenamiento y comparación de modelos supervisados: Regresión Logística vs Random Forest. Modelo no supervisado con K-Means (clustering y método del codo). Evaluación con Accuracy, Precision, Recall, F1-Score y Matriz de Confusión. Análisis de sesgo y consideraciones éticas. Conclusiones y recomendaciones finales. 🛠️ Herramientas utilizadas: Python 3 Jupyter Notebook Pandas, NumPy Matplotlib, Seaborn Scikit-Learn (Pipeline, ColumnTransformer, StandardScaler, OneHotEncoder, LogisticRegression, RandomForestClassifier, KMeans) 📊 Dataset: Titanic - Machine Learning from Disaster (Kaggle) 🎯 Objetivo del proyecto: Predecir si un pasajero sobrevivió al naufragio del Titanic en función de sus características (edad, sexo, clase, tarifa, etc.), aplicando buenas prácticas de Machine Learning y documentando cada etapa del proceso.