Introducción a machine learning

please, more platzi courses in english

En tanto yo buscando el bóton de idioma para el audio xD

Conocimientos previos

• Programacion con Python.

  • Los mejores kits de herramientas de machine learning están escritos en Python de ahi la importancia de estar familiarizado con este lenguaje.

• Uso de Pandas.

  • Tener experiencia con el paquete pandas de Python, el cual permite trabajar con conjuntos de datos, y ayudar con los procesos de preparación y visualización de datos.

• Uso de Matplotlib.

  • Una herramienta de trazado como Matplotlib ayuda cuando se tracen puntos de datos con el fin de poder entender las relaciones entre los datos, esto antes de entrenar o incluso después de entrenar los modelos de machine learning.

• Probabilidad, estadistica y calculo fundamentales.

  • Los fundamentos de probabilidad y estadística ayudan a entender qué hacen estos modelos y por qué son capaces de hacer tan buenas predicciones.

LA HE ESTADO ESCUCHANDO Y EL INGLES DE ESTA CHICA ES SUPER !!! ME FASCINA COMO LO PRONUNCIA !!! SE LE ENTIENDE TAN BIEN , MAS CURSOS CON ELLA !!!

Terrific! The perfect excuse to practice English and learn Machine Learning

Never stop learning!

Algo que no buscaba pero necesitaba, un curso en la ruta de data

Una sorpresa entrar al curso, no esperaba que estuviese en ingles, otros cursos en la plataforma desde el nombre lo indica, solo es comentario.

I wasn’t expecting that the course was %100 in english 😄 . I hope I be able to follow it without missing important content.

He aprobado el curso, no se desanimen.

#NuncaParesDeAprender

pucha, es en inglés 😕
sé inglés pero que pereza 🥱

vengo entrado veo que está en inglés y yo: 😮 woww

I am so excited tp take this course. Thank you Natasha

Nanana… Si es en inglés no lo veo porque lo que yo soy un Colombiano y para aprender necesito algo en español

Como para practicar el inglés que aprendo en Platzi. Este curso será de mucha utilidad y de mucho estrés xd. Pero será muy bueno, vaya que sí uwuwu

Yes, is awesome finally watch a platzi machine learning course, she has perfect pronunciation and she highlights her experience and expertise.
Thank you for this!

Learning about Machine Learning. I’m leaving my comfort zone.

This is a course that i didn’t know that I needed, it’s a great way to practice English

This another way to improve English skills, while I am listening, I am reading the subtitles and can be useful reduce video speed.

¡No paren! 🚨

Que no los detenga el inglés.
La información de este curso es densa y está muy bien estructurada.
…
Todo se explica de forma muy sencilla y directa.
Es de los mejores cursos que he tomado.

El proceso de aprendizaje automático generalmente consta de las siguientes etapas:

Recopilación de datos:

-Se reúnen los datos relevantes para el problema que se desea resolver. Estos datos pueden provenir de diversas fuentes, como bases de datos, archivos, sensores, etc.

Preprocesamiento de datos:

• Los datos recopilados pueden requerir limpieza y transformación para asegurarse de que sean adecuados para el análisis. Esto puede incluir la eliminación de valores atípicos, la normalización de los datos, la codificación de variables categóricas, etc.

Selección de características:

• En algunos casos, es necesario seleccionar un subconjunto de características relevantes del conjunto de datos para entrenar el modelo. Esto ayuda a reducir la complejidad y mejorar la eficiencia del modelo.

Entrenamiento del modelo:

• Se utiliza un algoritmo de aprendizaje automático para entrenar un modelo utilizando los datos de entrenamiento. Durante el entrenamiento, el modelo ajusta sus parámetros internos para minimizar la diferencia entre las predicciones del modelo y los valores reales conocidos en los datos de entrenamiento.

Evaluación del modelo:

• Una vez alterado, el modelo se evalúa utilizando datos de prueba o validación. Se calculan métricas de evaluación para medir qué tan bien se desempeña el modelo en la tarea para la cual fue diseñada. Si el rendimiento del modelo no es satisfactorio, se pueden realizar ajustes en el proceso de entrenamiento o en la selección de características.

Predicciones y toma de decisiones:

• Una vez que el modelo ha sido evaluado y se considera adecuado, se puede utilizar para hacer predicciones o tomar decisiones sobre nuevos datos. El modelo generaliza a partir de los patrones y relaciones aprendidas durante el entrenamiento y puede aplicar a datos desconocidos.

Bueno fanáticos del anime, acá les dejo un resumen con aportes del curso
Sírvase mi cap@

I am surprised that this course is in English, I hope there is more content of this type in Platzi.

Very clever the instructor. (one of the best you can find in Platzi)

so nice to have courses in English in the platform

Les recomiendo que vean este video (Modelos para entender una realidad caótica | DotCSV) antes de empesar el curso, muy interesante!

This is my first course in english here in Platzi so, I feel so exited and waiting for more 😎

Una linda exprencia. Gracias Platzi, por brindarnos esta oportunidad…Son buenos cursos y sobre todo prcticos y aplicativos. Es interesante omo dan las bases para temas complicados , los mismos que sirven para profundizar m{as los temas, que por otro lado, son actualizados y enzeñdos de forma didactica y clara. Sigan Adelando., y gracias una vez mas.

Que lujo de cursos !!! PhD !!!

WOW,
Muy Emocionado por este curso!!!

when i heard her speak english, I thought I got confused with an English school course