Machine Learning con Python. Aprendizaje Automático Avanzado.
Date:
Acceda a un cupón de descuento aquí
Descripción
Machine Learning con Python. Aprendizaje Automático Avanzado.
Aprendizaje Automático Scikit-Learn en Python. Modelos Predictivos. Data Science. De básico a Experto.
Calificación: ⭐⭐⭐⭐⭐
Requisitos previos: Conocimientos intermedio de programación, preferiblemente en Python.
Descripción del Curso:
El curso de “Machine Learning con Python” se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo y clustering. Este es el campo del aprendizaje automático que es el más útil en la industria y el cual se utilizar la librería de aprendizaje automático scikit-learn en Python por su gran rendimiento y facilidad en su uso.
A diferencia de las estadísticas, donde los modelos se usan para comprender los datos, el modelado predictivo se enfoca en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar por qué se hacen las predicciones.
A diferencia del campo más amplio del aprendizaje automático que podría utilizarse con datos en cualquier formato, el modelado predictivo y clustering se centra principalmente en datos tabulares, llamados técnicamente Tidy Data (por ejemplo, tablas de números como en una hoja de cálculo).
El curso está dirigido a personas que tengan pocos conocimientos de machine learning, conocimientos intermedios del lenguaje de programación y que quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo y clustering.
Además, el curso está diseñado para que cualquier estudiante universitario, investigador o tecnólogo que se encuentre realizando o necesite realizar diferentes experimentos a través de grandes conjuntos de datos para poder sintetizarlos en alguna salida predictiva puedan utilizar los muy diferentes recursos de machine learning que nos pone a nuestra disposición el lenguaje de programación.
Contenidos del Curso:
- MÓDULO I. Introducción.
- Conceptos básicos de machine learning.
- Jupyter Notebook como nuestro entorno de machine learning.
- Curso rápido de Python.
- vMÓDULO II. Análisis de datos
- Cargar un conjunto de datos.
- Estadística descriptiva.
- Visualización de datos.
- Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
- Examen tipo test sobre los contenidos del módulo.
- MODULO III. Preprocesamiento de datos
- Análisis exploratorio de datos.
- Preprocesamiento de datos.
- Métodos de remuestreo para estimar la precisión del modelo.
- Taller: Trabajo de aplicación de diferentes técnicas de análisis y procesamiento de datos de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO IV. Fase de tratamiento de datos
- Evaluación de las métricas.
- Feature Selection.
- Feature Importance.
- Reducción de dimensiones en un dataset.
- Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO V. Fase de modelado
- Algoritmos de Machine Learning.
- Rendimiento de los algoritmos.
- Algoritmos Ensamblados
- Algoritmo “Super Lerner”
- Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO VI. Fase de optimización y forecasting
- Pipelines.
- Procesamiento de datos avanzado.
- Configuración de hiperparámetros.
- Guardado e integración del modelo.
- Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros.
- Examen tipo test sobre los contenidos del módulo.
- MÓDULO VII. Proyectos de machine learning
- Trabajar un proyecto de clasificación multiclase
- Trabajar un proyecto de regresión.
- Trabajar un proyecto de clasificación binaria.
- Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos.
- MÓDULO VIII. Aprendizaje No Supervisado
- Aprendizaje No supervisado.
- Algoritmos de Aprendizaje No Supervisado.
- Determinar el número óptimo de clústers.
- Proyecto de Aprendizaje No Supervisado.