Fundamentos del Machine Learning
Volver al curso: Machine Learning desde cero
-
Introducción al Machine Learning
- Proceso de Desarrollo de un Modelo
- Preparación y Exploración de Datos
-
Nivelación de Estadística
- Clases de Variables
- Probabilidad
- Medidas de Tendencia Central
- Deciles y Cuartiles
- Medidas de Dispersión
- Covarianza y Correlación
- Distribuciones de Probabilidad
- Asimetría y Curtosis
- Ley de los Grandes Números y Teorema Central del Límite
- Intervalo de Confianza
-
Python Básico
- Crear un entorno de trabajo
- Interfaz de Trabajo
- Tipos de Datos
- Cadenas de Texto
- Transformación de Tipo de Dato
- Condicionales y Operadores de Comparación
- Listas y Tuplas
- Ciclo While
- Ciclo For
- Diccionarios
- Gestión de Carpetas
- Importar y Exportar datos de Excel
-
Modelos Supervisados
- Regresión Lineal y Logistica
- Arboles de Decisión y Bosques Aleatorios
- Caso Práctico y Ensamble
-
Modelos No Supervisados
- Agrupamiento con K Medias
- PCA
-
Aprendizaje Profundo (Deep Learning)
- Redes Neuronales
-
Evaluación y Optimización de Modelos
- Métricas de Evaluación de Modelos
- Ética en Machine Learning