Curso Completo de Expresiones Regulares | Python

Lección 8 de 1080%

Ya has superado la mitad. Estás muy cerca de completar el curso.

Sobre esta lección

En este video les voy a enseñar como extraer información de textos como correos, teléfonos, fechas, etc. mediante el uso de expresiones regulares. El syntax de las expresiones regulares puede ser usado en varios lenguajes de programación y en este video voy a dar también unos detalles extra de expresiones regulares en Python. 🔗 Link para testear expresiones regulares: https://regex101.com/ 👨🏻‍💻 Código y archivo .txt de expresiones regulares (regex): https://github.com/ifrankandrade/data_preprocessing.git 🎮 Discord (aquí puedes descargar mi formulario de Python): https://discord.gg/6xyQaj8bJK 📚 Cursos que recomiendo Fundamentos de Datos en Python: https://datacamp.pxf.io/XmymVa Fundamentos de la IA: https://datacamp.pxf.io/EEbE34 ----------------------- Contenido del video: 0:00 Intro 0:46 Encontrar digitos \\d 7:32 Encontrar letras, digitos y _ con \\w 8:57 Encontrar espacios en blanco con \\s 9:55 Encontrar cualquier caracter con el punto . 11:16 Cancelar caracteres especiales con backlash \\ 12:20 Encontrar el inicio de caracteres con ^ y el fin de caracteres con $ 14:11 Flag re.m (multilinea) 17:37 Cuantificadores * + ? ¨ { } 22:38 Expresiones Codiciosas y perezosas 28:25 Parentesis ( ) 30:49 Corchetes [ ] 34:48 Encontrar valores diferentes a [^] 35:59 Límites de letras \\ 38:43 Referencias \\1 41:40 Flag re.I (ignorar mayusculas/minusculas) 43:50 Ejercicios (encontrar puntuacion) 47:10 Ejercicios (valiar fecha) 49:13 Ejercicios (validar nombre de usuario)

Sobre este curso

Curso Ciencia de Datos con Python desde cero en Jupyter Notebook/Pycharm. Curso de +4 horas 100% gratuito en español desde lo más básico. En este curso aprenderemos Matplotlib, Pandas, scikit-learn, web scraping, entre otros.

Lección 8 de 10Nivel: principianteDuración total: 4h 51m

Lo que aprenderás en este curso:

  • Comprender los fundamentos del aprendizaje automático
  • Implementar algoritmos de clasificación y regresión
  • Preparar y limpiar datos para modelos predictivos
  • Evaluar y optimizar modelos de machine learning