Fundamentos prácticos
Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje
Los fundamentos de machine learning que aprenderás
Introducción a Numpy
Introducción y manipulación de datos con Pandas
Introducción a ScikitLearn
Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)
Regresión Lineal y Logística
¿Qué es la predicción de datos?
Sobreajuste y subajuste en los datos
Regresión lineal simple y regresión lineal múltiple
Regresión lineal simple con Scikit-Learn: división de los datos
Regresión lineal simple con Scikit-Learn: creación del modelo
Regresión logística con Scikit-Learn: definición y división de datos
Regresión logística con Scikit-Learn: evaluación del modelo
Matriz de confusión
PlatziDoro Cápsula 1
Árboles de decisión
¿Qué es un árbol de decisión y cómo se divide?
Comprendiendo nuestro data set para la creación de un árbol de decisión
Creando un clasificador con Scikit-Learn
Entrenamiento del modelo de clasificación
Visualización del árbol de decisión
K-Means
¿Qué es K-Means?
Cargando el data set de Iris
Construcción y evaluación del modelo con K-Means
Graficación del modelo
PlatziDoro Cápsula 2
Aprendizaje profundo
Introducción al aprendizaje profundo
Conceptos básicos de Tensor Flow
Red neuronal convolucional
Conociendo el set de datos para la creación de la red neuronal
Crea y entrena tu primera red neuronal convolucional con Tensor Flow
Evaluación de la red convolucional
PlatziDoro Cápsula 3
Despedida
Recomendaciones para analizar correctamente tu problema
Siguientes pasos para continuar aprendendiendo de Machine Learning
Aportes 20
Preguntas 2
un par de paquetes que se usan mucho
# para hacer preprocesamiento de los datos
from sklearn import preprocessing
# para establecer nuestros conjuntos de entrenamiento y evaluacion.
from sklearn import train_test_split
# para usar las metricas necesarias para analizar la ejecución de nuestros modelos
from sklearn import metrics
from sklearn import [modelo] // modelo
from sklearn import tree // arbol
Resumen
ScikitLearn
Es una biblioteca de condigo abierto para el aprendizaje automático, incluye algoritmos como arboles de decisión, regresión, maquina de soporte vectorial entre otros.
Sirve para algoritmos
Caracteristicas
¿QUÉ ES SCIKIT-LEARN?
Scikit-Learn es una de estas librerías gratuitas para Python. Cuenta con algoritmos de clasificación, regresión, clustering y reducción de dimensionalidad. Además, presenta la compatibilidad con otras librerías de Python como NumPy, SciPy y matplotlib.
La gran variedad de algoritmos y utilidades de Scikit-learn la convierten en la herramienta básica para empezar a programar y estructurar los sistemas de análisis datos y modelado estadístico. Los algoritmos de Scikit-Learn se combinan y depuran con otras estructuras de datos y aplicaciones externas como Pandas o PyBrain.
La ventaja de la programación en Python, y Scikit-Learn en concreto, es la variedad de módulos y algoritmos que facilitan el aprendizaje y trabajo del científico de datos en las primeras fases de su desarrollo. La formación de un Máster en Data Science hace hincapié en estas ventajas, pero también prepara a sus alumnos para trabajar en otros lenguajes. La versatilidad y formación es la clave en el campo tecnológico.
ScikitLearn
from sklearn import <modulo>
Para los que quieran profundizar: https://scikit-learn.org/stable/
a donde esta la lectura???
En verdad necesitaba estad explicaciones desde que aprendí a usar las librerías, gracias.
Alguien conoce algunos libros actualizados de Machine Learning??
La librería a full
https://scikit-learn.org/stable/
Una de las que mas me gusta
from sklearn.naive_bayes import GaussianNB
Aquí mi aporte sobre el ejercicio propuesto:
#Ejercicio propuesto
data2=pd.read_csv('canciones-2018_b2c776e4-1cce-40eb-b3e7-591ea6d29f83.csv')
#Ordenando los datos por nombre
data2[['name','energy', 'tempo']].sort_values(by=['name'], ascending=True)
Se viene lo bueno!!
Encantado de esta docente. A seguir aprendiendo.
Documentación de Scikit-Learn
https://scikit-learn.org/stable/getting_started.html
Se ve interesante se aquí que ya vamos a entrar en materia.
Porfin llegamos a una librería específica
Hola, no sé si es que soy yo o qué pero en este vídeo hace una introducción a la librería pero no hace como en las otras que los explica prácticamente. Pero en los comandos básicos aparece la librería como si se hubiera trabajado como con Numpy. ¿Es que se ha perdido el vídeo práctico o algo?
Scikit-learn is a free machine learning library for Python. It features various algorithms like support vector machine, random forests, and k-neighbours, and it also supports Python numerical and scientific libraries like NumPy and SciPy .
Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.