This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Autoplay
Autocomplete
Previous Lesson
Complete and Continue
Cómo Dominar Machine Learning con Python en 6 pasos
BLOQUE 1: INTRODUCCIÓN AL MACHINE LEARNING
Estructura del Curso (2:49)
1.1 ¿Qué es el Machine Learning? (3:00)
1.2 Machine Learning & Inteligencia Artificial & Deep Learning (3:32)
1.3 Tipos de Machine Learning (3:50)
BLOQUE 2: INTRODUCCIÓN A PYTHON
2.1 Instalación Python + Jupyter (8:51)
2.2 Conceptos básicos de Python (15:28)
2.3 Introducción a las librerías: Numpy (9:27)
2.4 Introducción a las librerías: Pandas (12:40)
2.5 Introducción a las librerías: Matplotlib (7:58)
2.6 Librería Machine Learning Scikit-Learn (5:09)
BLOQUE 3: MACHINE LEARNING – CLASIFICACIÓN
3.1 ¿Qué es y qué problemas resuelven un modelo de CLASIFICACIÓN? (2:29)
3.2 Algoritmos Machine Learning para CLASIFICACIÓN (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN) (12:35)
3.3 Explicación paso a paso con Scikit-Learn – Caso Práctico Clasificación (13:21)
3.4 Ejercicio codificación – CLASIFICACIÓN (10:06)
BLOQUE 4: MACHINE LEARNING – REGRESIÓN
4.1 ¿Qué es y qué problemas resuelven un modelo de REGRESIÓN? (1:52)
4.2 Algoritmo Machine Learning Regresión Lineal (4:41)
4.3 Explicación paso a paso con Scikit-Learn – Caso Práctico REGRESIÓN (6:52)
BLOQUE 5: MACHINE LEARNING – CLUSTERING
5.1 ¿Qué es y qué problemas resuelven un modelo de CLUSTERING? (1:25)
5.2 Algoritmo Machine Learning K-Means (3:38)
5.3 Explicación paso a paso con Scikit-Learn – Caso Práctico CLUSTERING (7:58)
BLOQUE 6: MACHINE LEARNING – REGLAS DE ASOCIACIÓN
6.1 ¿Qué es y qué problemas resuelven un modelo de REGLAS DE ASOCIACIÓN? (5:26)
6.2 Algoritmo Reglas de Asociación – “Apriori” (2:37)
6.3 Explicación paso a paso – Caso Práctico Reglas de Asociación (7:51)
BLOQUE 7: CONCLUSIONES
7.1 Conclusiones (1:51)
Obtención certificado de finalización del curso
Próximos Pasos Análisis de Datos
3.4 Ejercicio codificación – CLASIFICACIÓN
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock