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

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Datasets que usaremos en el curso

7/37
Recursos

Aportes 11

Preguntas 3

Ordenar por:

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

o inicia sesi贸n.

Datasets que usaremos en el curso:

  • World Happiness Report: Es un dataset que desde el 2012 recolecta variables sobre diferentes pa铆ses y las relaciona con el nivel de felicidad de sus habitantes. Nota: Este data set lo vamos a utilizar para temas de regresiones
  • The Ultimate Halloween Candy Power Ranking: Es un estudio online de 269 mil votos de m谩s de 8371 IPs deferentes. Para 85 tipos de dulces diferentes se evaluaron tanto caracter铆sticas del dulce como la opini贸n y satisfacci贸n para generar comparaciones. Nota: Este dataset lo vamos a utilizar para temas de clustering
  • Heart disease prediction: Es un subconjunto de variables de un estudio que realizado en 1988 en diferentes regiones del planeta para predecir el riesgo a sufrir una enfermedad relacionada con el coraz贸n. Nota: Este data set lo vamos a utilizar para temas de clasificaci贸n.

los datasets estan geniales

justo en 茅poca de Halloween ca铆 aqu铆 馃巸馃Υ馃拃

Que hermosos los datasets!!!

Les comparto mi perfil en Kaggle compa帽eros:

Aun soy principiante, pero aqu铆 esta: DataEngel

les dejo este canal hay muy buen contenido aca https://www.youtube.com/channel/UC8KCb358oioQMcJ5pUfs8UQ

Excelentes Datasets!! La IO al servicio del bienestar.

Kaggle es una plataforma en l铆nea que ofrece una comunidad global de cient铆ficos de datos, analistas y entusiastas de la inteligencia artificial. Fue fundada en 2010 y adquirida por Google en 2017. Kaggle una plataforma donde los profesionales y entusiastas de los datos pueden acceder a conjuntos de datos, participar en competencias de aprendizaje autom谩tico, colaborar en proyectos y mejorar sus habilidades en an谩lisis de datos y ciencia de datos.

Kaggle parece ser una super herramienta para el aprendizaje de macnine learnig

Hola. El archivo PDF (readme-dataset-heart-disease.pdf) con la descripci贸n del conjunto de datos 鈥渉eart.csv鈥 deber铆a ser un poco m谩s claro en el rango de valores que podemos encontrar. Por ejemplo, en la columna 鈥渟ex鈥, s贸lo puede tomar dos valores (0 y 1; en la descripci贸n aparece que 鈥淗ombre鈥 es 1 y 鈥淢ujer鈥 es 2, lo cual es incorrecto). Algo similar ocurre con la columna 鈥渃p鈥, cuyo rango debe ser 0 a 3, y no de 1 a 4. Por favor, corregir dicha descripci贸n. Gracias por el curso.

se dice gigantesca