Cómo profundizar en machine learning y deep learning

Para que el curso guarde relación con el nombre del mismo sería bueno que se incluya alguna temática aplicada a la plataforma de MindsDB, para aprender a utilizar alguna de sus funcionalidades.

Hay una pregunta del Examen que no tiene claves, por lo tanto, no puedo avanzar y/o terminar.

Para profundizar mas en Deep Learning en español recomiendo el libro

Python Deep Learning de Jordi Torres.

examen RespUestAS
Resumen
1.
Machine learning encuentra ____ en los datos.
Patrones
2.
Usamos ____ dentro de los datos para ayudar a los modelos a encontrar los patrones necesarios.
Features o características.
3.
___ en datasets representan una observación individual con varios features.
Filas
4.
Una ____ representa un tipo de feature dentro de un dataset.
Columna
5.
Estoy tratando de predecir ventas de helado. Una de las características es el sabor del helado. Tengo 3 sabores: chocolate, vainilla y fresa. ¿Qué tipo de feature o característica es esta?
Categorical
6.
Un feature desconocido se representa como ___ en un DataFrame de Pandas.
NaN

Construyo un modelo que predice si alguien ganará una carrera. Uno de mis features (características) es la cantidad de horas que entrenaron. ¿Qué tipo de feature es este?
Numerical
8.
Estoy tratando de predecir el número de ventas de un artículo nuevo en la tienda. ¿Qué modelo de machine learning debo usar?
Regresión lineal
9.
Estoy tratando de predecir de qué país es un cliente en función de varios detalles de su cuenta, ¿qué tipo de problema de machine learning es este?
Regresión
REPASAR CLASE
10.
Este tipo de aprendizaje es usado para predecir un target u objetivo:
Supervisado
11.
Los tres “ingredientes” de un algoritmo de machine learning son:
Proceso de decisión, función de error/coste y regla de actualización,
12.
En una regresión lineal si x crece, y crece ¿qué tipo de relación de regresión tiene?
Positiva
13.
¿Qué función de coste se usa en una regresión lineal?
Mean-square error
14.
Puede evaluar el desempeño de un modelo de regresión logística con una ______
Matriz de confusión
15.
En k-means, puedes cambiar las “k”, o _______
El número de grupos.
16.
Los centroides in k-means representan ______
El ejemplo “promedio” dentro de un clúster.
17.
Una gráfica de ____ es usada para evaluar el rendimiento de un modelo de k-means.
Codo (elbow)
18.
Los tres tipos de capas en una red neuronal “vainilla” o simple son generalmente:
Capa de entrada, capa oculta y capa de salida.
19.
Las funciones de activación ___ una señal.
Pasan
20.
____ se utiliza para ajustar pesos mientras se entrena redes neuronales.
Backpropagation
21.
Durante el entrenamiento, ____ se usa para evitar el sobreajuste.
dropout

Hola! Yo recomiendo este libro:

https://www.deeplearningbook.org/

de los genios Ian Goodfellow, Yoshua Bengio y Aaron Courville

¿Podría alguien de Platzi confirmar si los enlaces de los dos primeros cursos enumerados son correctos?

1. Curso de Fundamentos Prácticos de Machine Learning (https://platzi.com/cursos/fundamentos-ml/)
2. Curso Profesional de Machine Learning con Scikit-Learn (https://platzi.com/cursos/scikitlearn-ml/)

En ambos casos me sale error 404.

Excelente curso, muy buena la profesora, me encanto los ejercicios que dejo, el único pero es que fuese en ingles, pero bueno, hay q practicar 😃

unfortunately this course for me is a 1 star review.

Her English is really clear, easy to understand.

but is boring as f@ck.

• i have done only one introduction course at standfor university ( the free course obviously). surprisingly! they talk slow, they want to you understand the topic.

…if you are learning English i encourage you to take those courses on coursera (platzi is a better platform)

• To me this course was pretty much someone talking and talking (bla bla bla bla bla bla bla bla). i did not get anything from the teacher but i have learned a lot from the colab exercise.

• POSITIVE.
  the colab examples were really good , easy to understand, well explained and a good combination of Spanish and English

Por lo que veo ya pasaron varios días y todavía no resuelven el problemas de las preguntas sin respuesta en el examen

Recuerda que el aprendizaje automático y el aprendizaje profundo son campos en constante evolución, por lo que es importante mantenerse actualizado y seguir aprendiendo a medida que avanza la investigación y se desarrollan nuevas técnicas. La práctica constante, la exploración de proyectos desafiantes y el intercambio de conocimientos con la comunidad también son formas efectivas de profundizar en estos campos.

Los primeros links están rotos

This course was so goooddddd :3!