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

PlatziDoro Cápsula 2

25/34

Lectura

¡Es hora de hacer una pausa Platzidoro!

Hasta ahora has aprendido qué es un árbol de decisión y cómo se divide. Comprendiste la estructura de los data sets iris, diabetes y titanic. Recibiste tips y recomendaciones para saber cuándo usar un algoritmo de regresión lineal simple o un algoritmo de regresión logística. Además entendiste las ventajas y desventajas de los árboles de decisión aplicados a Machine Learning.

¿Estás listo para poner a prueba lo aprendido?

Te quiero retar a que descargues la actividad Crucigrama Fundamentos ML y comparte tus resultados en los comentarios de esta lectura. Encontrarás la respuesta correcta, en la sección de archivos del próximo Platzidoro.

Aportes 21

Preguntas 0

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Me pide tener acceso y no lo tengo 😦

![](

bueno para practicar

Me parece excelente, te ayuda a practicar lo que haz aprendido hasta ahora, es muy útil y dinámico.

La respuesta del anterior platzidoro es B jiji

Con este crucigrama se empiezan a entender los conceptos básicos asociados a librerias de implementación para machine learning.

		1											
		s											
		u											
		b											
2	p	a	n	d	a	s							
		j											
		u										4	
	3	s	c	i	k	i	t	l	e	a	r	n	
		t										u	
		e										m	
												p	
												y	

![](

Me agradó mucho la actividad 😃.

  1. Subajuste
  2. Pandas
  3. Scikitlearn
  4. Numpy

No estoy de acuerdo con el guion en la respuesta 3. Gracias estuvo divertido el repaso.

  1. Subajuste
  2. Pandas
  3. Scikitlearn
  4. Numpy

Buen ejercicio, para refrescar conceptos

  1. Subajuste
  2. Pandas
  3. Scikitlearn
  4. Numpy

Listo