Fundamentos prácticos

1

Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje

2

Los fundamentos de machine learning que aprenderás

3

Introducción a Numpy

4

Introducción y manipulación de datos con Pandas

5

Introducción a ScikitLearn

6

Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)

Regresión Lineal y Logística

7

¿Qué es la predicción de datos?

8

Sobreajuste y subajuste en los datos

9

Regresión lineal simple y regresión lineal múltiple

10

Regresión lineal simple con Scikit-Learn: división de los datos

11

Regresión lineal simple con Scikit-Learn: creación del modelo

12

Regresión logística con Scikit-Learn: definición y división de datos

13

Regresión logística con Scikit-Learn: evaluación del modelo

14

Matriz de confusión

15

PlatziDoro Cápsula 1

Árboles de decisión

16

¿Qué es un árbol de decisión y cómo se divide?

17

Comprendiendo nuestro data set para la creación de un árbol de decisión

18

Creando un clasificador con Scikit-Learn

19

Entrenamiento del modelo de clasificación

20

Visualización del árbol de decisión

K-Means

21

¿Qué es K-Means?

22

Cargando el data set de Iris

23

Construcción y evaluación del modelo con K-Means

24

Graficación del modelo

25

PlatziDoro Cápsula 2

Aprendizaje profundo

26

Introducción al aprendizaje profundo

27

Conceptos básicos de Tensor Flow

28

Red neuronal convolucional

29

Conociendo el set de datos para la creación de la red neuronal

30

Crea y entrena tu primera red neuronal convolucional con Tensor Flow

31

Evaluación de la red convolucional

32

PlatziDoro Cápsula 3

Despedida

33

Recomendaciones para analizar correctamente tu problema

34

Siguientes pasos para continuar aprendendiendo de Machine Learning

Aún no tienes acceso a esta clase

Crea una cuenta y continúa viendo este curso

PlatziDoro Cápsula 1

15/34
Recursos

Aportes 41

Preguntas 1

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

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

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!!!

B

PlatziDoro esta genial! Muy buen recurso!