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
Aún no tienes acceso a esta clase
Crea una cuenta y continúa viendo este curso
Crear cuenta
Si ya tienes una cuenta,
Iniciar sesión
PlatziDoro Cápsula 1
15/34Recursos
Aportes 41
Preguntas 1
Ordenar por:
Me encanto la pausa PlatziDoro, un metodo super chevere
Para los que estan siguiendo esta ruta y desean profundizar más en Machine Learning (y sus conceptos, métodos: como la matriz de confusion, evaluación, cross_validation, etc). Les recomiendo el libro “Introduction Machine Learning with Python - O’Reilly”. Luego de leerlo, se me hizo muy muy fácil y entendibles estos cursos. Es un genial complemento a Platzi!!
Muy buena iniciativa, felicitaciones!
Dos modelos diferentes según si prefieren los colores vivos y llamativos o los colores discretos y sobrios
Mi humilde aporte (:
Cmaptools es una buena herramienta para mapas mentales 😄
Espero ver esto en otros cursos.
Nunca pares de aprender y tampoco de aprender como aprender 😄
Me gusta estos minisecciones de descanso. y super repaso. Son como una brisa fresca después de una sesión intensiva de ML.
Más de estás secciones para las demás clases.
ESTA ES UNA DE LAS MEJORE COSAS QUE TINE PLATZI
Esta parte debería estar en todos los cursos
Hola compañeros les dejo mis notas del curo junto con algunos aportes.
https://illustrious-midnight-e09.notion.site/Fundamentos-Pr-cticos-de-Machine-Learning-eb5a841cf4d04b9e901e3dc12a46deba
No recordaba bien los conceptos de subajuste y sobreajuste, por si a alguien le pasó lo mismo:
Subajuste: Ocurre cuando un modelo no es capaz de generalizar adecuadamente una clasificación de datos debido al uso de un modelo de ajuste inapropiado o al empleo de datos malos o insuficientes.
Sobreajuste: Se refiere a un modelo que está entrenado DEMASIADO bien. Esto es peligroso porque el modelo incluso toma en cuenta el ruido aleatorio del set de datos de entrenamiento y puede ocasionar clasificaciones erróneas.
Lo de arriba es una paráfrasis de lo que encontré aquí: https://aprendeia.com/sobreajuste-y-subajuste-en-machine-learning/
Grandioso!
excelente, me paraece esta pausa para refrescar
super PlatziDoro
Me ha gustado mucho esta cápsula, es una gran idea, ojalá la apliquen en otros cursos
Bien PlatziDoro 😃
Recomiendo Freeplane o Freemind para hacer mapas conceptuales!!!
muy bueno
Que bien, recuerda lo visto hasta ahora,
Me encanto platzidoro!!
Me gustó mucho el platzi doro, me gustaría que estuviese en otros cursos
que aplicaciones recomiendan para los mapas conceptuales?
Excelente forma de refrescar el proceso educativo.
genial! todos los cursos deberían tener PlatziDoro!
Las regresiones lineales y logísticas tienen mucho más de lo que se vieron en estas clases, nunca se hablo de causalidad, ni de si los estimadores son MELI. Si quieren en verdad aprender verdaderamente a hacer bien una regresión lineal de calidad les recomiendo Jeffrey M. Wooldridge Introducción a la econometría. De lo contrario sus predicciones serán perores de las que sacan los noticieros
Neta, es una muy buena idea tener estos platziDoros en los cursos jajajaja
Me encanta este nuevo concepto ❤️ ❤️ ❤️
Esto esta muy bueno. Es una iniciativa genial. Debería implementarse en todos los cursos.
Super!!! inclúyanlo en todos los cursos por favor
Excelente parte, debería estar en todos los cursos porfa
Excelente iniciativa los PlatziDoro!!!
PlatziDoro esta genial! Muy buen recurso!
¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.