@keeyrittijabaadhu: #Allahakubar#ethiopian_tik_tok🇪🇹🇪🇹🇪🇹🇪🇹 #viraltiktok #creatersearchinsights @Ibsa Hassen

abdii LJ
abdii LJ
Open In TikTok:
Region: ET
Wednesday 10 June 2026 11:37:18 GMT
312767
16751
886
1902

Music

Download

Comments

liyu.127
Liyu.12 :
2026-06-10 21:33:03
92
user3705653014718
abduu :
maashallahaaaa 😍😍❤️😍❤️😍❤️😍
2026-06-11 11:06:04
0
bayrujuwargmail.com
አሚርአሚር ኮድ21 :
መሸአላ ግንአልገበኝም
2026-06-11 02:56:29
78
emanafekshgn
𝕓𝕚....Ⓜ :
ምን እየተካሄደ ነው እስኪ እንደኔ ምንም ያልገባው❤
2026-06-11 06:52:26
44
dar12125
Dar Dar✝️ :
camera man bi like
2026-06-11 04:54:56
54
iyoba1213
🎧eyoba🎼🎸®️🇨🇦 :
ወሸላ ግን አልገባኝም
2026-06-10 20:46:58
24
jiraa589
Eftuu salallee ❤️💚❤️💯💯🌲 :
wayoo garraa ko camera maan😁😁😁
2026-06-10 19:07:55
42
sekita1212
sekita💉🩺💊 :
Masha allh 🥰🥰🥰 maalidha gaaru naf hin galle essa figaan
2026-06-10 17:38:03
20
mu77704
Change your life :
mashaa Allah masjida ijaaruuf natti fakkata
2026-06-11 08:36:09
16
obsinaantaha
Media Hayyoota👨‍✈️ :
Maashaa Allah masjida ijaaruf natti fakkate 🥰
2026-06-11 03:47:18
6
abdi_omer_
SHAKEE LJ :
share copy link naaf godha pls family 🥰
2026-06-10 11:38:57
12
jemalmohammed529
Jemal ☝☝☝ :
ማሻላህ ደስታቸዉ ምን ይሆን የላ አይለሏህ ወንድሞች❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️❤️
2026-06-11 03:08:08
14
samira.semira8
samrrii :
Masha allha Maluma garuu
2026-06-10 14:05:40
3
bedru.abdulhakim
DAADIMOOS BAN2 :
maashaahaa yaaa islaamuma akkaam akkaat bareeduu 🤲🤲🤲🤲🤲🤲🤲🤲🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🥰🤲🤲🤲🤲🤲
2026-06-10 22:18:50
6
asiya.beshir4
Asiya Beshir :
mashall
2026-06-11 08:45:18
0
getasewfentaw
Getasew :
team werk
2026-06-11 12:08:03
0
muste2170
mustefa jundi 2170 :
2026-06-10 20:57:53
6
naafi.shaashee
[email protected] :
mashallh mashallh 💞💞💞💞💞💞
2026-06-11 12:21:29
1
abubonda2
ÄBû BØNDÃ :
2026-06-11 09:07:33
4
user5175795721168
8 :
mashalah Mashalah mashalah Mashalah mashalah Mashalah
2026-06-11 12:53:09
0
enaa.jia6
ko marti siini :
ወሸላ 👏ግን አልገባኝም።
2026-06-10 22:09:34
4
To see more videos from user @keeyrittijabaadhu, please go to the Tikwm homepage.

Other Videos

📈 𝗥𝗲𝗴𝗿𝗲𝘀𝗶𝗼́𝗻: 𝗲𝗹 𝗽𝘂𝗲𝗻𝘁𝗲 𝗲𝗻𝘁𝗿𝗲 𝗹𝗮 𝗘𝘀𝘁𝗮𝗱𝗶́𝘀𝘁𝗶𝗰𝗮 𝘆 𝗹𝗮 𝗖𝗶𝗲𝗻𝗰𝗶𝗮 𝗱𝗲 𝗗𝗮𝘁𝗼𝘀 📈 En estadística y Data Science, entender relaciones entre variables no es suficiente; el verdadero valor está en cuantificarlas, interpretarlas y predecir escenarios futuros. Ahí es donde la regresión se convierte en una de las herramientas más poderosas del análisis de datos. La regresión es un conjunto de técnicas estadísticas utilizadas para modelar la relación entre una variable dependiente y una o más variables independientes. Su objetivo no es solo explicar comportamientos, sino también generar predicciones confiables y apoyar la toma de decisiones basada en evidencia. ¿𝗣𝗼𝗿 𝗾𝘂𝗲́ 𝗲𝘀 𝘁𝗮𝗻 𝗶𝗺𝗽𝗼𝗿𝘁𝗮𝗻𝘁𝗲 𝗲𝗻 𝗘𝘀𝘁𝗮𝗱𝗶́𝘀𝘁𝗶𝗰𝗮? La regresión permite: ✔️ Identificar patrones y tendencias. ✔️ Medir el impacto de variables explicativas. ✔️ Evaluar relaciones causales o asociativas. ✔️ Realizar inferencia estadística. ✔️ Construir modelos predictivos interpretables. Desde la clásica Regresión Lineal hasta modelos más avanzados como Regresión Logística, Ridge, Lasso o Elastic Net, estas técnicas forman parte esencial del análisis cuantitativo moderno. 𝗟𝗮 𝗿𝗲𝗴𝗿𝗲𝘀𝗶𝗼́𝗻 𝗲𝗻 𝗗𝗮𝘁𝗮 𝗦𝗰𝗶𝗲𝗻𝗰𝗲 En Data Science, la regresión es mucho más que una técnica académica: es una herramienta central para resolver problemas reales. Aplicaciones comunes: 🔹 Predicción de ventas y demanda. 🔹 Forecasting financiero. 🔹 Estimación de precios inmobiliarios. 🔹 Modelos de riesgo y scoring. 🔹 Análisis económico y social. 🔹 Optimización de procesos industriales. 🔹 Predicción de métricas de negocio. 🔹 Sistemas de recomendación y ML predictivo. Además, la regresión es fundamental para comprender conceptos clave como: 📌 Overfitting y underfitting. 📌 Regularización. 📌 Interpretabilidad de modelos. 📌 Evaluación mediante métricas (RMSE, MAE, R²). 📌 Ingeniería de variables (feature engineering). Uno de los mayores aportes de la regresión es que no solo predice resultados, sino que también permite comprender el comportamiento de los datos. En un contexto donde los modelos complejos dominan la inteligencia artificial, la regresión sigue siendo relevante. La regresión no es únicamente una técnica estadística; es una forma de transformar datos en conocimiento accionable. 😁 ¿Empleaste este tipo de modelos en tus proyectos?, Te leo en los comentarios. ¡Nos vemos en el siguientes post! 💜  . . #DataScience #Estadística #MachineLearning #Regression #datoscongladys
📈 𝗥𝗲𝗴𝗿𝗲𝘀𝗶𝗼́𝗻: 𝗲𝗹 𝗽𝘂𝗲𝗻𝘁𝗲 𝗲𝗻𝘁𝗿𝗲 𝗹𝗮 𝗘𝘀𝘁𝗮𝗱𝗶́𝘀𝘁𝗶𝗰𝗮 𝘆 𝗹𝗮 𝗖𝗶𝗲𝗻𝗰𝗶𝗮 𝗱𝗲 𝗗𝗮𝘁𝗼𝘀 📈 En estadística y Data Science, entender relaciones entre variables no es suficiente; el verdadero valor está en cuantificarlas, interpretarlas y predecir escenarios futuros. Ahí es donde la regresión se convierte en una de las herramientas más poderosas del análisis de datos. La regresión es un conjunto de técnicas estadísticas utilizadas para modelar la relación entre una variable dependiente y una o más variables independientes. Su objetivo no es solo explicar comportamientos, sino también generar predicciones confiables y apoyar la toma de decisiones basada en evidencia. ¿𝗣𝗼𝗿 𝗾𝘂𝗲́ 𝗲𝘀 𝘁𝗮𝗻 𝗶𝗺𝗽𝗼𝗿𝘁𝗮𝗻𝘁𝗲 𝗲𝗻 𝗘𝘀𝘁𝗮𝗱𝗶́𝘀𝘁𝗶𝗰𝗮? La regresión permite: ✔️ Identificar patrones y tendencias. ✔️ Medir el impacto de variables explicativas. ✔️ Evaluar relaciones causales o asociativas. ✔️ Realizar inferencia estadística. ✔️ Construir modelos predictivos interpretables. Desde la clásica Regresión Lineal hasta modelos más avanzados como Regresión Logística, Ridge, Lasso o Elastic Net, estas técnicas forman parte esencial del análisis cuantitativo moderno. 𝗟𝗮 𝗿𝗲𝗴𝗿𝗲𝘀𝗶𝗼́𝗻 𝗲𝗻 𝗗𝗮𝘁𝗮 𝗦𝗰𝗶𝗲𝗻𝗰𝗲 En Data Science, la regresión es mucho más que una técnica académica: es una herramienta central para resolver problemas reales. Aplicaciones comunes: 🔹 Predicción de ventas y demanda. 🔹 Forecasting financiero. 🔹 Estimación de precios inmobiliarios. 🔹 Modelos de riesgo y scoring. 🔹 Análisis económico y social. 🔹 Optimización de procesos industriales. 🔹 Predicción de métricas de negocio. 🔹 Sistemas de recomendación y ML predictivo. Además, la regresión es fundamental para comprender conceptos clave como: 📌 Overfitting y underfitting. 📌 Regularización. 📌 Interpretabilidad de modelos. 📌 Evaluación mediante métricas (RMSE, MAE, R²). 📌 Ingeniería de variables (feature engineering). Uno de los mayores aportes de la regresión es que no solo predice resultados, sino que también permite comprender el comportamiento de los datos. En un contexto donde los modelos complejos dominan la inteligencia artificial, la regresión sigue siendo relevante. La regresión no es únicamente una técnica estadística; es una forma de transformar datos en conocimiento accionable. 😁 ¿Empleaste este tipo de modelos en tus proyectos?, Te leo en los comentarios. ¡Nos vemos en el siguientes post! 💜 . . #DataScience #Estadística #MachineLearning #Regression #datoscongladys

About