📘 Descripción

Curso práctico y progresivo para dominar Machine Learning con Python y Scikit-Learn. Aprenderás EDA, preprocesamiento, métricas y validación, ensamblados y hyperparameter tuning con proyectos de clasificación y regresión.

Enfocado a estudiantes y profesionales con base de Python que buscan aplicar ML en problemas reales sin necesidad de conocimientos estadísticos avanzados.

🧭 Contenidos del Curso

• Módulo I: Fundamentos de ML y entorno (Anaconda, Jupyter, estructura de proyectos).
• Módulo II: EDA y visualización — perfilado de datos y detección de outliers.
• Módulo III: Preprocesamiento — imputación, escalado, encoding, train/test, CV y re-muestreo.
• Módulo IV: Métricas, selección/reducción de características y validación robusta.
• Módulo V: Algoritmos de ML — árboles, SVM, kNN, regresión, ensambles y “Super Learner”.
• Módulo VI: Pipelines, búsqueda de hiperparámetros (Grid/Random/Optimizadores) e integración.
• Módulo VII: Proyectos de clasificación y regresión de principio a fin.
• Módulo VIII: Aprendizaje no supervisado y clustering (k-means, DBSCAN, jerárquico).