2. INTRODUCION
El fin de este proyecto era poder realizar una predicción del consumo de una red eléctrica a
partir de un data set que proporcionaba información del consumo y el precio de la energía
en un lugar de España. Para este fin primero se procedió a escoger una manera de realizar
esta predicción por lo que se escogió una red neuronal artificial.
Para este fin se procedió inicialmente a graficar los datos y observar cómo eran las
tendencias de consumo. Posteriormente debido a la organización de los datos se organizó
el volumen de datos, y la información irrelevante se eliminó esto con el fin de facilitar la
entrada de los datos a la red y mejorar los datos del entrenamiento y testeo de la Red.
3. INTRODUCCION
Para lograr lo anteriormente descrito se hizo uso de “Google Colaboratory” el cual
permite ejecutar código de python en la nube, lo cual es beneficioso ya que no
consume recursos de memoria, ni de CPU en la maquina en la que se está
realizando el entrenamiento. Además, el lenguaje de programación utilizado
combinado con las librerías de Pandas y Keras da como resultado una herramienta
muy poderosa para el análisis de datos y la configuración de redes neuronales.
Finalmente, para este proyecto se utilizó una red secuencial. En la cual se
combinaron neuronas densas con una red LSMT lo cual le da robustez al modelo y
permite tener en cuenta valores pasados sobre todo teniendo en cuenta que se
tienen secuencias de tiempo. Dando como resultado una predicción bastante optima
que se asemeja a la realidad con errores muy bajos.
5. PANDA Y COMANDO PRINT
Se escribe una línea de código de panda para poder manipular mi información numérica y el
comando print veo la información de mi dataset de Excel como esta compuesta, Print imprime los
datos y el tamaño de los datos y se puede observar que tenia también datos de precios en euros que traía el
archivo y me dice usted tiene actual mente 52512 datos
