Aprender los conceptos clave

1

Todo lo que aprender谩s sobre MA con Scikit-Learn

2

驴C贸mo aprenden las m谩quinas?

3

Problemas que podemos resolver con Scikit-learn

4

Las matem谩ticas que vamos a necesitar

Iniciar un proyecto con sklearn

5

Configuraci贸n de nuestro entorno Python

6

Instalaci贸n de librer铆as en Python

7

Datasets que usaremos en el curso

Optimizaci贸n de features

8

驴C贸mo afectan nuestros features a los modelos de Machine Learning?

9

Introducci贸n al PCA

10

Preparaci贸n de datos para PCA e IPCA

11

Implementaci贸n del algoritmo PCA e IPCA

12

Kernels y KPCA

13

驴Qu茅 es la regularizaci贸n y c贸mo aplicarla?

14

Implementaci贸n de Lasso y Ridge

15

Explicaci贸n resultado de la implementaci贸n

16

ElasticNet: Una t茅cnica intermedia

Regresiones robustas

17

El problema de los valores at铆picos

18

Regresiones Robustas en Scikit-learn

19

Preparaci贸n de datos para la regresi贸n robusta

20

Implementaci贸n regresi贸n robusta

M茅todos de ensamble aplicados a clasificaci贸n

21

驴Qu茅 son los m茅todos de ensamble?

22

Preparaci贸n de datos para implementar m茅todos de ensamble

23

Implementaci贸n de Bagging

24

Implementaci贸n de Boosting

Clustering

25

Estrategias de Clustering

26

Implementaci贸n de Mean-Shift

27

Implementaci贸n de Batch K-Means

Optimizaci贸n param茅trica

28

Validaci贸n de nuestro modelo usando Cross Validation

29

Implementaci贸n de K-Folds Cross Validation

30

Optimizaci贸n param茅trica

31

Implementaci贸n de Randomized

32

Bonus: Auto Machine Learning

Salida a producci贸n

33

Revisi贸n de nuestra arquitectura de c贸digo

34

Importar y exportar modelos con Sklearn

35

Creaci贸n 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
Transcripci贸n

Aportes 11

Preguntas 2

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Reg铆strate o inicia sesi贸n para participar.

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 estad铆stica avanzada.
4.- No es muy flexible en temas de Deep Learning.

Qu茅 problemas podemos abordar con Scikit-learn?

  • Clasificaciones: Necesitamos etiquetar nuestros datos para que encajen en alguna de ciertas categor铆as previamente definidas.
    Ejemplos: 驴Es c谩ncer o no es c谩ncer?, 驴La imagen pertenece a un Ave, Perro o Gato?, 驴A qu茅 segmento de clientes pertenece determinado usuario?
  • Regresi贸n: Cuando necesitamos modelar el comportamiento de una variable continua, dadas otras variables correlaciones.
    Ejemplos: Predecir el precio del d贸lar para el mes siguiente, el total de calor铆as de una comida dados sus ingredientes, la ubicaci贸n m谩s 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 recomendaci贸n, descubrir el sitio ideal para ubicar paradas de buses seg煤n la densidad poblacional, segmentar im谩genes seg煤n patrones de colores y geometr铆as.

Cuando usar clasificaci贸n o regresi贸n 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 categor铆as 鈥渄iscretas鈥 (cancer, perro, gato, etc); se refiere a variables categ贸ricas? a que estas variables las puedo tratar como num茅ricas en el modelo (esto me har铆a sentido) ? 贸 existen variables discretas no num茅ricas y no lo recuerdo?. Saludos y gracias por el curso.

Cu谩l es la diferencia entre clasificaci贸n 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, podr铆a implementar Clustering.

para clasificacion de sentimientos en textos me serviria?

Es muy com煤n emplearlo en problemas que implican segmentar clientes y generar un 鈥減erfil鈥 .

Donde puedo encontrar su presentaci贸n?