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 Batch K-Means

27

Implementaci贸n de Mean-Shift

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

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

1/37
Recursos
Transcripci贸n

Aportes 26

Preguntas 1

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

les dejo este canal para complementen este curso: https://www.youtube.com/channel/UCLJV54sFqPiH4MYcJKvGesg

He hecho algunos ejercicios con PyTorch y con SciKit Learn, y me parece que SciKit Learn tiene los m茅todos m谩s encapsulados que pytorch, quiero decir que el procedimiento para entrenar y probar un modelo de regresi贸n log铆stica por ejemplo, en sciKit-learn es mas f谩cil.

Ojal谩 que si den ejemplos para hacer desplegar los modelos a producci贸n. Eso es alg que le falta a la mayor铆a de cursos.

M贸dulos de Scikit-learn

1.- Clasificaci贸n.
2.- Regresi贸n.
3.- Clustering.
4.- Preprocesamiento.
5.- Reducci贸n de dimensionalidad.
6.- Selecci贸n del modelo.

Les comparto a todos quienes quieren aprender un poco mas, el canal tiene ejemplos desde sencillos a complejos, incluyendo la parte te贸rica 馃槂

https://www.youtube.com/c/codebasics/playlists

Vengo del futuro donde ya he terminado el curso:

Les comparto mi repositorio de GitHub d贸nde encontraran mucha ayuda para el mismo. En especial en los temas finales donde en algunas ocaciones solo se mencionan ciertos temas de forma superficial o d贸nde no termina de haber c贸digo,

https://github.com/ichcanziho/cursos_platzi/tree/master/machine_learning_scikit_learn

Este repostorio contiene todas las notas 煤tiles de otros alumnos a lo largo del curso m谩s notas de mi cosecha. El readme contiene c贸digo limpio y f谩cil de leer.

Enjoy the journey dear cowboy.

Excelente profesor.

El curso de PyTorch no me ha gustado, comenzando por el ejemplo que realizo el docente y que al modificar un poco los datos no funciona. por lo cual, espero que este sea diferente y por lo menos si es m谩s motivante.

驴Por qu茅 usar Scikit-learn?

  • Curva de aprendizaje suave.
  • Es una biblioteca muy vers谩til.
  • Comunidad de soporte.
  • Uso en producci贸n.
  • Integraci贸n con librer铆as externas.

Excelente profesor.

letss gooo con el curso !! inicio motivado

Se ve muy bien el curso, los contenidos tambi茅n aplica para los interesados en Data Science.

Saludos, en mi caso la versi贸n estable es la 1.13

Hola Ariel soy estudiante de la UNAB me alegra verte por aqui tu empresa es muy sonada felicitaciones por los trabajos del a帽o pasado con ecopetrol algunos compa帽eros me los mostraron fueron muy buenos

A darle!! A afinar los conocimientos de sklearn!!

Aprender sobre An谩lisis de Series Temporales (MA, por sus siglas en ingl茅s 鈥淢oving Average鈥) utilizando la biblioteca Scikit-Learn puede ser muy 煤til para comprender y modelar datos temporales en diversas aplicaciones

驴Qu茅 es un Modelo de Promedio M贸vil (MA)?

  • Un modelo de Promedio M贸vil es un tipo de modelo utilizado en el an谩lisis de series temporales para predecir valores futuros basado en un promedio ponderado de observaciones pasadas y presentes. La idea principal es que el valor actual de la serie se relaciona con un promedio de los valores pasados, donde el peso de cada observaci贸n disminuye a medida que retrocedemos en el tiempo.
se ve que va a estar bueno el curso!

excelente profe no se donde esta la escuela ya que me gustaria conocerla soy de bucaramanga

Iniciar茅 este curso, el profe anima bastante con solo hablar, espero poder aprender mucho en este curso!

Este curso parte con buen animo! Vamos por ello
Les recomiendo de igual manera, revisar las p谩ginas, con eso no llegan tan perdidos

Tengo muchas expectativas de este curso, he revisado ejemplos de Scikit Learn sobre regresi贸n lineal y log铆stica, tiene una estructura bien intuitiva y comprensiva tan solo tiene una base de los modelos de aprendizaje. 馃槂

Estoy muy motivado, emocionado y con altas expectativas de este curso. A darle con toda!!

Let鈥檚 go!!!

Clave el pela