Anuncios


El objetivo de Microsoft de democratizar el aprendizaje automático está tomando forma .

Llevar el análisis predictivo a la nube pública parece ser el siguiente paso lógico hacia la consumerización a gran escala del aprendizaje automático. Azure ML hace precisamente eso, al tiempo que facilita significativamente a los desarrolladores la creación de modelos de aprendizaje automático de alta probabilidad sin un doctorado en estadística.

En este curso, vamos a construir uno de los modelos más simples y comunes , el modelo de clasificación binaria.

El objetivo de la clasificación binaria es categorizar los puntos de datos en uno de dos grupos : 0 o 1, verdadero o falso y sobrevivir o no sobrevivir.

Muchas decisiones en la vida son binarias , respondidas Sí o No. Muchos problemas comerciales también tienen respuestas binarias. Por ejemplo: “ ¿Es esta transacción fraudulenta? “,” ¿Este cliente va a comprar ese producto? “O” ¿Este usuario va a abandonar? ” En el aprendizaje automático, esto se denomina problema de clasificación binaria.

Usaremos la clasificación binaria para predecir la probabilidad de que alguien sobreviva si hubiera estado a bordo del Titanic.

Vamos a crear un flujo de trabajo de principio a fin. Descargaremos el conjunto de datos, lo limpiaremos, lo modelaremos, lo evaluaremos y luego publicaremos nuestros resultados para que otros puedan usarlo.

Al completar el curso , sabrá cómo crear un modelo que predice con precisión la capacidad de supervivencia de un individuo en función de los atributos del conjunto de datos.

Creación de un modelo de clasificación binaria en Azure ML

¿Cuál es la probabilidad de que vivas o mueras en el Titanic?


Te puede interesar también:

¿Para quién es este curso?

  • Si desea dar el salto de desarrollador, DBA o analista de datos a científico de datos, este curso es para usted.
  • Este curso es para quienes están aprendiendo el aprendizaje automático en la plataforma Azure ML.

Requisitos

  • Conocimientos básicos de Azure Machine Learning.
  • Un alto nivel de comprensión del aprendizaje automático.

Lo que aprenderás

  • Podrá usar Azure ML para crear un modelo de clasificación binaria de un extremo a otro.
  • Comprenderá cómo puntuar y evaluar un modelo de clasificación binaria.
  • Utilizará lo que ha aprendido para predecir si habría vivido o habría muerto si estuviera a bordo del Titanic.

¿Quieres más cursos gratis?

Únete a nuestro canal en Telegram con cientos de cursos gratis publicados diariamente

Curso gratis en Udemy

Con los cursos gratis de Udemy puedes aprender muchas cosas sin tener que gastar en ello. Pero primero debes tener en cuenta varias cosas:

Anuncios

Contenido Gratuito

Los cursos gratis de Udemy te permiten aprender nuevas cosas sin tener que pagar. Aprovecha la oportunidad.

Aprendizaje

Pon en práctica todos tus conocimientos aprendidos. Realiza increíbles proyectos basados en el mundo real.

Limites

Debes tener en cuenta que todos los cursos gratuitos de Udemy son de máximo 2 horas y no incluyen un certificado.

Este curso se encuentra disponible de manera gratuita sin necesidad de ningún cupón, a través de la opción “GRATIS”.

Te recomendamos primero leer las diferencias entre un curso gratis y uno de pago para evitar malentendidos:

Cursos gratuitos
  • Contenido de vídeo en línea
Cursos de pago
  • Contenido de vídeo en línea
  • Certificado de finalización
  • Preguntas y respuestas de los instructores
  • Mensaje directo para el instructor

Aunque los cursos son colocados de manera gratuita, es posible que el autor del curso pueda cambiarlos a modalidad de pago, por lo cual te recomendamos revisar muy bien las características del curso.

Para obtener el curso de manera gratuita usa 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.


Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.