hubiese estado genial este vídeo entre los vídeos iniciales del curso. para estimular a los estudiantes.
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
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 22
Preguntas 2
hubiese estado genial este vídeo entre los vídeos iniciales del curso. para estimular a los estudiantes.
Algunas fallas e imprecisiones en el curso, pero dentro de un todo me gustó bastante. Eso sí, hay que pulir y ser más cuidadosos con esas fallas. En general me gustó el contenido ya que da un buen panorama general de las posibilidades del ML y me gustó la forma de enseñar de Yesi!
En twitter siempre aparece gente aleatoria que hace enojar. Supongo que ese es el negocio de ellos.
Regresiones → se usan para realizar predicciones a través datos historicos identificamos patrones y tendencias para hacer pronósticos
Arboles de decisión → similitudes con respecto a otros usuarios
kmeans → agrupacion de acuerdo a similitudes, encontramos patrones de conducta
Aprendizaje profundo → filtros, detección de emociones, crear historias, extraer informacion de voz, clasificar imagenes
Estaría bueno que implementen en un curso alguna de estas aplicaciones practicas en menor escala
A lo largo del curso hemos visto modelos supervisados, no supervisados y profundos
para saber que modelo funciona más para un problema hace falta analizar qué datos se tienen y que se quiere lograr
Cuando se busca entender tendencias en el timepo para pronosticar un valor futuro
se puede usar para saber cuándo el precio de un producto baja
para hacer entregas también en una tienda sirve saber en qué época del año se vende más un producto
Los árboles de decisión permiten saber en base a los datos que acción se debe tomar
en la vida real Netflix usa arboles de decisión para saber que películas y series nos debería recomendar
del mismo modo en las tiendas online con árboles de decisión se le recomiendan productos a los usuarios los cuales son los productos que el usuario es más propenso a comprar
Permite crear agrupaciones en bases a las similitudes
lo cual permite agrupar de forma automático libros por los temas que trata la historia, autores, géneros etc…
también al abrir una tienda se pueden agrupar las zonas de las tiendas más exitosas y menos exitosas
también permite agrupar los diferentes tipos de transacciones que hace un usuario en una tienda online y saber si la compra fue o no un fraude
Permite usar redes neuronales convolucionales para el análisis de imágenes
Se usan en los filtros de camara que usan las redes sociales
Los autos Tesla que se conducen solos utilizan cámaras y Aprendizaje profundo para reconocer el mundo a su alrededor
se usan para analizar texto y generar modelos de generaciones de texto como GPT-3
se puede aplicar para analizar sonido y las palabras dichas
se puede usar para clasificación de imágenes en la cual identifique cuales son los elementos que existen en la imagen
es bastante interesante este video pero como introducción no como finalización del curso
Ya me pasó lo del límite de compra (sospecha de fraude) jaja!
Quise hacer una compra de algunos miles de pesos con la TDC con la que suelo hacer compras pequeñas y no me dejó y a los minutos ya me estaba marcando el banco :c
Haciendo referencia al NLP, hace poco tiempo se publico el modelo GPT-3 el cual tiene un potencial increíble, les recomiendo leer un poco sobre el tema si les interesa.
Gracias por todo.
En general estuvo interesante el curso, si creo que se debió precisar cierta información para aprovechar mejor el curso.
Todavía se que hay mas cursos del tema y todo se va entendiendo poco a poco, a mi me ha servido complementar el aprendizaje con libros, para poder reforzar los conceptos no mencionados o poco claros.
Si pueden compren estos libros físicos o e-books
Pienso que este curso tiene una pequeña introducción a Deep Learning que se profundizará en siguientes cursos, como el de tf. Al menos, eso espero!
El Curso está bien, te da una vista rápida que sirve de punto de partida para busques mas información según lo que te haga falta. No se si esos errores que mencionan los otros usuarios son muy graves o no, pero a mi me ha quedado una idea general y ya se que buscar.
Recomendaciones para analizar correctamente tu problema
A lo largo del curso hemos visto modelos supervisados, no supervisados y profundos
para saber que modelo funciona más para un problema hace falta analizar qué datos se tienen y que se quiere lograr
Regresión
Cuando se busca entender tendencias en el timepo para pronosticar un valor futuro
se puede usar para saber cuándo el precio de un producto baja
para hacer entregas también en una tienda sirve saber en qué época del año se vende más un producto
Árboles de decisión
Los árboles de decisión permiten saber en base a los datos que acción se debe tomar
en la vida real Netflix usa arboles de decisión para saber que películas y series nos debería recomendar
del mismo modo en las tiendas online con árboles de decisión se le recomiendan productos a los usuarios los cuales son los productos que el usuario es más propenso a comprar
K-means
Permite crear agrupaciones en bases a las similitudes
lo cual permite agrupar de forma automático libros por los temas que trata la historia, autores, géneros etc…
también al abrir una tienda se pueden agrupar las zonas de las tiendas más exitosas y menos exitosas
también permite agrupar los diferentes tipos de transacciones que hace un usuario en una tienda online y saber si la compra fue o no un fraude
Aprendizaje profundo
Permite usar redes neuronales convolucionales para el análisis de imágenes
Se usan en los filtros de camara que usan las redes sociales
Los autos Tesla que se conducen solos utilizan cámaras y Aprendizaje profundo para reconocer el mundo a su alrededor
se usan para analizar texto y generar modelos de generaciones de texto como GPT-3
se puede aplicar para analizar sonido y las palabras dichas
se puede usar para clasificación de imágenes en la cual identifique cuales son los elementos que existen en la imagen
MIL GRACIAS POR EL CURSO , APRENDI MUCHO !!!
En terminos generales el curso es bueno, quisas sería interesante que en cada algoritmo se haga un poco más de énfasis en la defición del mismo, por ejemplo el árbol de decisiones en su construcción se base en la formula de la entropía y ganancia de la información.
muuy buena clasee
Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.