El aprendizaje automático es el proceso de utilizar automáticamente técnicas estadísticas para analizar la información y hacer predicciones sobre el futuro.
En otras palabras, es el uso de técnicas estadísticas para analizar la información y tomar decisiones con base a ellas.
El proceso de aprendizaje automático tiene una amplia gama de aplicaciones, desde tareas sencillas como la predicción de la relevancia de un documento durante la indexación en un motor de búsqueda, hasta tareas más complejas como los coches auto conducidos.
El aprendizaje automático puede utilizarse para una gran variedad de cosas más cotidianas, como identificar el spam en el correo electrónico, recomendar qué producto podría gustarle o predecir una enfermedad. El aprendizaje automático es también la base de la inteligencia artificial.
Python es un lenguaje de programación muy conocido para aplicaciones científicas y de ingeniería. Con el aumento de los algoritmos de aprendizaje automático, ha habido una creciente demanda en la comunidad de la ciencia de datos para utilizar Python para el aprendizaje automático.
Machine Learning en Python Bootcamp con 5 proyectos capstone
Domine algoritmos y modelos de aprendizaje automático en Python con proyectos prácticos en ciencia de datos. Libros de trabajo de código incluidos.
¿Para quién es este curso?
- Cualquiera que ya haya comenzado su viaje por la ciencia de datos y ahora quiera dominar el aprendizaje automático.
- Este curso está dirigido tanto a principiantes como a intermedios del aprendizaje automático.
Requisitos
- Para que este curso tenga sentido, debe conocer bien el álgebra lineal, el cálculo, la estadística, la probabilidad y el lenguaje de programación Python.
Lo que aprenderás
- Teoría e implementación práctica de la regresión lineal usando sklearn
- Teoría e implementación práctica de la regresión logística usando sklearn
- Selección de funciones mediante RFECV
- Transformación de datos con regresión lineal y logística.
- Métricas de evaluación para analizar el desempeño de los modelos
- Relevancia industrial de la regresión lineal y logística
- Matemáticas detrás de los algoritmos KNN, SVM e Naive Bayes
- Implementación de KNN, SVM y Naive Bayes usando sklearn
- Métodos de selección de atributos: índice de Gini y entropía
- Matemáticas detrás de árboles de decisión y bosque aleatorio
- Aumento de algoritmos: Adaboost, Gradient Boosting y XgBoost
- Diferentes algoritmos para la agrupación en clústeres
- Diferentes métodos para lidiar con datos desequilibrados
- Filtrado de correlación
- Filtrado de varianza
- PCA y LDA
- Filtrado basado en contenido y colaborativo
- Valor singular de descomposición
- Diferentes algoritmos utilizados para la predicción de series temporales
- Estudio
Este curso se encuentra de manera gratuita gracias a un cupón que podrás encontrar aquí abajo.
Toma en cuenta que este tipo de cupones duran por muy poco tiempo.
Si el cupón ya ha expirado podrás adquirir el curso con un gran descuento.
La fecha estimada de finalización del cupón es para el día 1-2 de mayo, pero puede vencer en cualquier momento.
Para obtener el curso con su cupón da clic en el siguiente botón:
Deja tus comentarios y sugerencias
Sobre Facialix
Facialix es un sitio web que tiene como objetivo apoyar en el aprendizaje y educación de jóvenes y grandes. Buscando y categorizando recursos educativos gratuitos de internet, de esta manera Facialix ayuda en el constante aprendizaje de todos.
