En nuestro estudio de caso de análisis de sentimiento, construirá modelos que predicen una clase (sentimiento positivo/negativo) a partir de características de entrada (texto de revisión, información de perfil de usuario,).

En nuestro segundo estudio de caso para este curso, Predicción de incumplimiento de préstamos, abordará datos financieros y predecirá cuándo es probable que un préstamo sea riesgoso o seguro para el banco.

Estas tareas son ejemplos de clasificación, una de las áreas de aprendizaje automático más utilizadas, con una amplia gama de aplicaciones, que incluyen la orientación de anuncios, la detección de spam, el diagnóstico médico y la clasificación de imágenes.



En este curso, creará clasificadores que brindan un rendimiento de vanguardia en una variedad de tareas. Se familiarizará con las técnicas más exitosas, que son las más utilizadas en la práctica, incluidas la regresión logística, los árboles de decisión y el impulso.

Además, podrá diseñar e implementar los algoritmos subyacentes que pueden aprender estos modelos a escala, utilizando la escalada de gradiente estocástico. Implementará estas técnicas en tareas de aprendizaje automático a gran escala del mundo real.

También abordará tareas importantes que enfrentará en aplicaciones del mundo real de ML, incluido el manejo de datos faltantes y la medición de la precisión y recuperación para evaluar un clasificador. Este curso es práctico, lleno de acción y lleno de visualizaciones e ilustraciones de cómo estas técnicas funcionarán en datos reales. A nosotros’

Objetivos de aprendizaje: Al final de este curso, podrá:

  • Describir la entrada y salida de un modelo de clasificación.
  • Abordar problemas de clasificación tanto binaria como multiclase.
  • Implementar un modelo de regresión logística para clasificación a gran escala.
  • Crear un modelo no lineal utilizando árboles de decisión.
  • Mejora el rendimiento de cualquier modelo usando boosting.
  • Escale sus métodos con escalada de gradiente estocástico.
  • Describir los límites de decisión subyacentes.
  • Cree un modelo de clasificación para predecir el sentimiento en un conjunto de datos de revisión de productos.
  • Analizar datos financieros para predecir incumplimientos de préstamos.
  • Utilizar técnicas para el manejo de datos faltantes.
  • Evaluar sus modelos utilizando métricas de recuperación de precisión.
  • Implemente estas técnicas en Python (o el lenguaje de su elección, aunque Python es muy recomendable).

Las habilidades que conseguirás

  • Regresión logística
  • Clasificación estadística
  • Algoritmos de clasificación
  • Árbol de decisión

Este curso es ofrecido por la Universidad de Washington

Fundada en 1861, la Universidad de Washington es una de las instituciones de educación superior financiadas por el estado más antiguas de la costa oeste y es una de las universidades de investigación más importantes del mundo.



Accede a este Curso

Si te ha parecido interesante y quieres inscribirte a este curso gratuito, solo debes dar clic o tocar el botón de aquí abajo. Recuerda que, al ser un sitio externo, este puede presentar fallas o retirar el curso sin previo aviso. ¡Éxito!



Encuentra cursos y libros gratuitos, además de cupones de Udemy, en nuestros Telegram.


Jesús Amaro

Si lees esto, es por que sabes leer. Un saludo...