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

Crea una cuenta o inicia sesi贸n

隆Contin煤a aprendiendo sin ning煤n costo! 脷nete y comienza a potenciar tu carrera

脷ltima oportunidad para asegurar tu aprendizaje por 1 a帽o a precio especial

Antes: $249

Currency
$189/a帽o

Paga en 4 cuotas sin intereses

Paga en 4 cuotas sin intereses
Suscr铆bete

Termina en:

0D
17H
9M
10S

Las matem谩ticas que vamos a necesitar

4/37
Recursos

Aportes 15

Preguntas 0

Ordenar por:

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

o inicia sesi贸n.

Les dejo un libro gratis que tiene un contenido fuerte en matem谩ticas para machine learning.
https://mml-book.github.io/

A Platzi le hace falta sacar un curso de Estad铆stica mucho mejor, el que encontramos en la ruta de IA no se me hizo tan bueno

Importancia de las mates en el ML
La cortina de fondo: Varias t茅cnicas que usamos para que los computadores aprendan est谩n inspiradas en el mundo natural.

  • Redes neuronales artificiales: Est谩n inspiradas en el cerebro humano.
  • Aprendizaje por refuerzo: Est谩 inspirado en las teor铆as de la psicolog铆a conductual.
  • Algoritmos evolutivos: Los teor铆as de Charles Darwin.

Temas matem谩ticos generales a repasar:

  • Funciones y trigonom茅trica.
  • Algebra lineal.
  • Optimizaci贸n de funciones.
  • Calculo diferencial.
    Temas de probabilidad a repasar
  • Probabilidad b谩sica.
  • Combinaciones y permutaciones.
  • Variables aleatorias y distribuciones.
  • Teorema de Bayes.
  • Pruebas estad铆sticas.

Definitivamente la conclusi贸n es que si no tienes buenas bases de matem谩ticas, es muy dif铆cil tener un 鈥渆ntendimiento real鈥 de machine learning e inteligencia artificial. Ser谩n como 鈥渃ajas negras鈥.

Para formar una buena base de estad铆stica y probabilidad recomiendo el material de Khan Academy:

https://es.khanacademy.org/math/statistics-probability

seria excelente que nos dieran una lista de cursos de platzi para poder tomar y entender todo esos temas hasta el momento el instructor es muy claro y conciso me agrada mucho que nos den un ejemplo en la vida real apartir de la teoria buen curso hasta el momento

鈥淓l Machine learning es matem谩tica y estad铆stica鈥濃

imaginen solo por un momento hacer operaciones con matrices, vectores, hacer estadistica, graficar, y muchas cosas mas que vamos aprendiendo sin numpy, pandas o matplotlib.

Donde puedo encontrar la presentac贸n que usa el profesor?

馃懟馃懟

Es importante tener un buen dominio de estos temas matem谩ticos, ya que son fundamentales para muchas 谩reas de la ciencia y la ingenier铆a, incluido el aprendizaje autom谩tico y la inteligencia artificial.


Tener una comprensi贸n s贸lida de estos conceptos estad铆sticos es esencial para analizar datos de manera efectiva y tomar decisiones informadas en una variedad de campos, desde la investigaci贸n cient铆fica hasta la toma de decisiones empresariale

para entender muchos conceptos como

  • algebra lineal
  • redes neuronales
  • descenso del gradiente (otimizacion de funciones)
  • statistical
    les recomiendo estos dos canales

3Blue1Brown

statquest

Excelente curso

Muchas gracias. Me anima 茅ste curso. Espero dar con el nivel de matem谩ticas requerido.

No soy matem谩tico ni nada por el estilo pero me siento capaz de todo lo que dijo el profe