Aprender los conceptos clave

1

Todo lo que aprenderás sobre MA con Scikit-Learn

2

¿Cómo aprenden las máquinas?

3

Problemas que podemos resolver con Scikit-learn

4

Las matemáticas que vamos a necesitar

Iniciar un proyecto con sklearn

5

Configuración de nuestro entorno Python

6

Instalación de librerías en Python

7

Datasets que usaremos en el curso

Optimización de features

8

¿Cómo afectan nuestros features a los modelos de Machine Learning?

9

Introducción al PCA

10

Preparación de datos para PCA e IPCA

11

Implementación del algoritmo PCA e IPCA

12

Kernels y KPCA

13

¿Qué es la regularización y cómo aplicarla?

14

Implementación de Lasso y Ridge

15

Explicación resultado de la implementación

16

ElasticNet: Una técnica intermedia

Regresiones robustas

17

El problema de los valores atípicos

18

Regresiones Robustas en Scikit-learn

19

Preparación de datos para la regresión robusta

20

Implementación regresión robusta

Métodos de ensamble aplicados a clasificación

21

¿Qué son los métodos de ensamble?

22

Preparación de datos para implementar métodos de ensamble

23

Implementación de Bagging

24

Implementación de Boosting

Clustering

25

Estrategias de Clustering

26

Implementación de Mean-Shift

27

Implementación de Batch K-Means

Optimización paramétrica

28

Validación de nuestro modelo usando Cross Validation

29

Implementación de K-Folds Cross Validation

30

Optimización paramétrica

31

Implementación de Randomized

32

Bonus: Auto Machine Learning

Salida a producción

33

Revisión de nuestra arquitectura de código

34

Importar y exportar modelos con Sklearn

35

Creación de una API con Flask para el modelo

36

Cierre del curso

37

Material adicional para consultar

Problemas que podemos resolver con Scikit-learn

3/37
Recursos
Transcripción

Aportes 11

Preguntas 2

Ordenar por:

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

Algunas limitaciones de Scikit-learn

1- No es una herramienta de Computer Vision.
2.- No se puede correr en GPUs.
3.- No es una herramienta de estadística avanzada.
4.- No es muy flexible en temas de Deep Learning.

Qué problemas podemos abordar con Scikit-learn?

  • Clasificaciones: Necesitamos etiquetar nuestros datos para que encajen en alguna de ciertas categorías previamente definidas.
    Ejemplos: ¿Es cáncer o no es cáncer?, ¿La imagen pertenece a un Ave, Perro o Gato?, ¿A qué segmento de clientes pertenece determinado usuario?
  • Regresión: Cuando necesitamos modelar el comportamiento de una variable continua, dadas otras variables correlaciones.
    Ejemplos: Predecir el precio del dólar para el mes siguiente, el total de calorías de una comida dados sus ingredientes, la ubicación más probable de determinado objeto dentro de una imagen.
  • Clustering: Queremos descubrir subconjuntos de datos similares dentro del dataset. Queremos encontrar valores que se salen del comportamiento global.
    Ejemplo: Identificar productos similares para un sistema de recomendación, descubrir el sitio ideal para ubicar paradas de buses según la densidad poblacional, segmentar imágenes según patrones de colores y geometrías.

Cuando usar clasificación o regresión dependiendo de la respuesta que queramos obtener:

Lo maximo que pueden hacer en scikit learn es un MLP(MultiLayerPerceptron)

https://platzi.com/clases/1796-scikitlearn-ml/26452-problemas-que-podemos-resolver-con-scikit-learn/?time=202 No me queda claro cuando se refiere a categorías “discretas” (cancer, perro, gato, etc); se refiere a variables categóricas? a que estas variables las puedo tratar como numéricas en el modelo (esto me haría sentido) ? ó existen variables discretas no numéricas y no lo recuerdo?. Saludos y gracias por el curso.

Cuál es la diferencia entre clasificación y clustering? Entiendo que uno es para clasificar, y otro para agrupar, pero en ambos se le asigna un grupo a cada dato, no?

Entonces si yo quisiera saber donde poner una maquina de vending para saber los lugares donde me pueda generar mejores ingresos, podría implementar Clustering.

para clasificacion de sentimientos en textos me serviria?

Es muy común emplearlo en problemas que implican segmentar clientes y generar un “perfil” .

Donde puedo encontrar su presentación?