Machine Learning con Python. Aprendizaje Automático Avanzado.

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.

Acceda a un cupón de descuento aquí