please, more platzi courses in english
Introducción a machine learning
Algoritmos de Machine Learning: Preparación y Aplicación de Datos
Introducción al Machine Learning: Historia y Conceptos Básicos
Introducción a la Ciencia de Datos: Carga y Visualización de Conjuntos
Algoritmos Supervisados y No Supervisados en Machine Learning
Procesamiento y Análisis de Datos para Machine Learning
Algoritmos simples de machine learning
Modelos de Machine Learning: Uso, Implementación y Evaluación
Regresión Lineal: Predicción y Evaluación de Modelos Numéricos
Regresión Logística: Clasificación y Predicción de Probabilidades
Clasificadores de Bosque Aleatorio: Conceptos y Aplicaciones
Aprendizaje No Supervisado: Clustering con K-means
Guía práctica de algoritmos de machine learning con scikit-learn
Deep learning
Fundamentos de Redes Neuronales y Deep Learning
Mejora de Redes Neuronales: Ajuste, Overfitting y Dropout
Entrenamiento Efectivo de Redes Neuronales: Arquitectura y Tasa de Aprendizaje
Conclusiones
Curso de Fundamentos Prácticos de Machine Learning
Resumen del Curso de Machine Learning y Habilidades Avanzadas
Algoritmos de Machine Learning: Preparación y Aplicación de Datos
1/16Recursos
Transcripción
¿Qué es el machine learning y por qué es importante?
En un mundo que avanza a pasos agigantados hacia la inteligencia artificial, el machine learning se destaca como una herramienta esencial para convertir datos en conocimiento. Soy Natasha, jefa de investigación en AI/ML en MindsDB, y estoy aquí para guiarte en esta emocionante travesía por el aprendizaje automático. Vamos a explorar los algoritmos que permiten sacar el máximo provecho de tus datos, cómo implementarlos y qué modelos elegir para tus necesidades específicas.
¿Cómo prepararse para aprender machine learning?
Para aprovechar al máximo el aprendizaje de machine learning, es fundamental contar con algunas bases previas que te ayudaran a seguir de manera fluida:
- Conocimiento de Python: Dado que muchas de las herramientas de machine learning están escritas en este lenguaje, familiarizarte con Python te brindará una ventaja significativa.
- Experiencia con pandas: Este paquete de Python es crucial para manipular y analizar datos. Te ayudará a gestionar y preparar los conjuntos de datos eficientemente.
- Uso de Matplotlib: Esta herramienta de trazado te permitirá visualizar los datos, facilitando la comprensión de sus relaciones y características antes de aplicar modelos.
- Intuición en probabilidad y estadística: Conocer los fundamentos te permitirá entender las decisiones detrás de los modelos y mejorarás tu capacidad para interpretar sus predicciones.
Te recomiendo explorar los cursos ofrecidos en Platzi, donde puedes adquirir o fortalecer estos conocimientos esenciales.
¿Cuáles son los pasos clave para trabajar con machine learning?
La preparación y visualización de datos son pasos previos fundamentales para enfrentar problemas de machine learning con éxito. Este proceso se puede dividir principalmente en tres objetivos:
-
Preparación de Datos:
- Es crucial manejar los datos de forma adecuada, asegurando que estén limpios y estructurados antes de realizar cualquier análisis.
- La visualización de relaciones dentro de los datos facilita la identificación de patrones que podrían ser útiles para entrenar modelos.
-
Comprender los algoritmos de machine learning:
- Una vez que los datos están listos, es momento de seleccionar el algoritmo adecuado. Conocer cómo estos algoritmos operan detrás del telón y cómo hacen sus predicciones amplía significativamente la comprensión y efectividad de tus modelos.
-
Exploración del Deep Learning:
- Este subcampo del machine learning se centra en redes neuronales complejas, que son particularmente efectivas para abordar problemas complejos debido a su arquitectura inspirada en el cerebro humano.
¿Cómo seguir aprendiendo y aplicando machine learning?
El camino hacia la maestría en machine learning es continuo y siempre está evolucionando, con nuevas tecnologías y técnicas emergiendo regularmente. Aquí hay algunas recomendaciones para seguir creciendo:
- Participa en comunidades de aprendizaje y foros donde puedes compartir conocimientos y resolver dudas junto a otros entusiastas.
- Experimenta con proyectos personales o contribuciones a proyectos de código abierto para ganar experiencia práctica.
- Mantente actualizado con las últimas tendencias y prácticas en machine learning mediante la lectura de artículos, investigación y contenido especializado.
El machine learning ofrece un vasto campo de oportunidades y desafíos. Al mejorar tus habilidades y aplicar tus conocimientos, posiblemente serás un actor clave en la implementación de soluciones inteligentes en tus entornos de trabajo o proyectos personales. ¡Continúa explorando y aprendiendo para liberar todo el potencial de tus datos en el mundo digital!
Aportes 49
Preguntas 4
Ordenar por:
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!
I wasn’t expecting that the course was %100 in english 😄 . I hope I be able to follow it without missing important content.
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.
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
diganme que no soy el único que siente feo que la maestra hable en ingles pero las diapositivas esten en español, preferiría que esten en ingles para que haga match entre lo que habla y lo que estoy leendo
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.
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!
Great I have been waiting long time for content in English
Great! There's no better way to learn English but practicing every day, in this case with Platzi courses about machine learning... I hope this methodology continue with new and update it courses.
La clase introduce los conceptos fundamentales de machine learning y deep learning. Natasha, la instructora, menciona la importancia de preparar datos, visualizar relaciones y entender los algoritmos de machine learning. Se enfatiza la necesidad de conocimientos en Python y herramientas como pandas y Matplotlib. También se discute el potencial de los modelos neuronales en deep learning para resolver problemas complejos. El objetivo es equipar a los estudiantes con habilidades prácticas y teóricas para abordar retos en inteligencia artificial.
I'm glad to hear you're enjoying the class! Engaging with content in English, like this ML course, is a fantastic way to improve your language skills. Listening to American movies can also help, but combining that with structured learning, like at Platzi, will accelerate your understanding. Keep practicing both the language and the concepts of machine learning to enhance your skills. You're on the right path!
Por qué ponenen las diapositivas en español? Me confunde mucho tener que cambiar mi mente entre los dos idiomas :(
wow
I didn't know that this course is taught in English. What a surprise! I'm so happy to take it. 💚😃
Jah bless, it makes more sense with sub in english than trying to follow the subtitles in spanish. I tried the latter and I ended pretty confused but in english if you understand with subtitles in same language for a deeper understanding, I will recommended it, personally. I hope this may help any of you ;D
amo los cursos en inglés <3
y el curso por qué no está en español?
Es un reto para mi tomar este curso, mi inglés no es el mejor, menos para cosas técnicas, aún así vamos a tomarlo, pues, yo quiero programar y manejar el Machine Learning y Deep Learning
Me encanta, mas cursos en Ingles
If the course is in english atleast make the title course in english too, I got surprised when I saw all the english comments
wow finally a course on english
Woa. It's interesting to learn your English while you study and learn Machine Learning.
Vamos con toda 👊🏻
Parece que este curso no será en 2X
Wow, this is the first course on english in platzi, lets start
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.
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
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?