Nivel Avanzado
27 clases
5 horas de contenido
12 horas de práctica
Resuelve tareas de clasificación de texto con algoritmos de Machine Learning. Aprende a predecir el género de nombres y detectar spam en correos electrónicos. Desarrolla modelos personalizados e implementa Naive Bayes desde cero usando Python.
Modelos Markovianos Latentes (HMM)
- 4
Modelos Marcovianos Latentes en PLN: Fundamentos y Aplicaciones
10:18 min - 5
Matemáticas de Cadenas de Markov y su Aplicación en Modelos Latentes
08:43 min - 6
Modelos Marcovianos Latentes: Etiquetado Gramatical Automático
13:25 min - 7
Implementación de Modelos Marcovianos Latentes en Python con Google Colab
07:51 min - 8
Entrenamiento de Modelos Marcobianos Latentes en Python
12:19 min
Algoritmo de Viterbi
- 9
Decodificación de Secuencias con el Algoritmo de Viterbi
07:19 min - 10
Cálculo de Probabilidades en el Algoritmo de Viterbi
09:08 min - 11
Implementación del Algoritmo de Viterbi en Python con NumPy
14:45 min - 12
Implementación del Algoritmo Viterbi para Modelos Ocultos de Markov
17:50 min - 13
Implementación de Modelos Ocultos de Markov en NLTK y Python
12:55 min
Modelos Markovianos de máxima entropía (MEMM)
Clasificación de texto con NLTK
Implementación de un modelo de clasificación de texto
- 21
Funcionamiento Matemático del Clasificador Naive Bayes
10:44 min - 22
Preparación de Datos para Modelo Naive Bayes en Python
07:43 min - 23
Implementación del Algoritmo Naive Bayes en Python con spaCy
17:02 min - 24
Implementación del Método Predict en Naive Bayes Clasificador
13:40 min - 25
Métricas de Evaluación en Modelos de Clasificación: Accuracy, Precision y Recall
07:32 min - 26
Clasificación de Sentimientos con Reviews de Amazon
07:02 min
Profes del curso
Conoce quién enseña el curso
Proyecto del curso
Sistema de clasificación de textos
Con todo lo aprendido en el curso podrás crear tu propio sistema para clasificar tanto palabras, frases y documentos. Así podrás saber el grupo léxico al que pertenecen, su género e identificar si un mensaje es spam o no.
software y recursos necesarios
- Jupyter Notebooks o Google Colab
Opiniones del curso
4.8 · 172 opiniones
Cristian Mauricio Rojas Olivares
@Kryss95·
El curso mas dificil para mi por lejos, si alguno de mis compañeros de platzi lee esto mientras aun lo esta estudiando les recomiendo tener paciencia y no parar, es un tema complejo, pero a no claudicar amigos. Y a nunca dejar de aprender y en este caso de intentarlo
Jorge Ivan Avalos Lopez
@jorge.avaloslj·
De los pocos cursos que ralamente se puede aprender ML, involucrando matemáticas y programación.
Marcelo Bengolea
@mfbengolea·
Como siempre, este profe tiene muy bien estructuradas las clases.
Mauricio Martínez Orjuela
@MaodeColombia·
lo mejor fue entender qué es pasar de experto en la teoría a experto en ejecución en un script, de un video al otro, video tras video; un gustazo este curso.
Camilo Orbes Cabrera
@corbes·
Un curso muy completo
uriel yesith parra fuentes
@urielparra·
Excelente curso, el profesor explica detalladamente los conceptos matemáticos que soportan los algoritmos. Es muy útil para entender para después aplicar correctamente utilizando las librerías de alto nivel disponibles
Cristian Y. Juzga
@cristian.riverajuzga·
La forma en que el docente aborda el tema, su explicación es impecable.
JOSE MANRIQUE
@jose.manrique.hernandez·
Excelente presentación
Bryan Vladimir Piguave Llano
@bryanvladimirpiguavellano·
Por favor, corrijan la pregunta del examen que se encuentra en latex. Yo trabajo mucho con eso y no tuve problemas pero dudo que el resto conozca de esa sintaxis. Espero más cursos con este profesor.
Oscar Gomez
@oscar.gomezr0414·
Excelente curso. Se recomienda poder incluir lemmatization y aplicación de modelos de machine learning con vectorization para el próximo curso.
Pablo Andrés Jarava Guerra
@Pablo_Andres·
Muy buen curso, ojalá el profe siga dando esos súper cursos.
Robinson Moreno
@robinsonmoreno·
Curso bastante avazado, pero muy bueno y el profesor con buena estructura de ensennanza.
Juan Manuel Ortiz Suárez
@jmortiz·
Otro excelente curso del profesor Camacho.
Diego Alejandro Muñoz Camayo
@diego51alejo1·
Excelente curso, sin duda el profesor sabe del tema y lo explica de la mejor manera, se nota trabajo y preparación, esperemos saquen el curso que termine la serie.
Jorge Andrés Carballo Santana
@jorgecarballo08·
El profesor es muy claro en las explicaciones, entiende perfectamente lo que significan las expresiones matemáticas que se utiliza y las aplica de forma intuitiva en el código.
Jose Martin Rangel Espinoza
@mr_infamous·
Excelente curso de algoritmos de clasificación de texto, sin duda este curso complemente y ayuda con mis estudios de procesamiento de lenguaje natural.
JOSE DANIEL HERNANDEZ BETANCUR
@jodhernandezbe·
Francisco aborda los problemas no sólo desde la parte algoritmica, sino que tiene el conocimiento estadístico y matemático de cada modelo. Lo mejor, lo muestra simple
Alfonso Garijo
@alfonso-garijo-campos·
Junto con los de programación orientada a objetos, es el mejor curso que he hecho. El profesor sin duda el mejor
Carlos Felipe Saldarriaga Bejarano
@aprendeconfelipe·
Me costó mucho el curso por el momento particular en el que me encontraba pero la entrega, estructura y calidad del curso me permitió continuar a pesar de todo. Pacho Camacho es de los mejores profesores que tenemos de Data Science por como nos lleva de aspectos muy complejos al como se utilizará en el día a día
Fabio Andrés Peña
@fabio.pena·
escubrir las aplicaciones de la clasificación de texto y el procesamiento de lenguaje natural (NLP) Entender tareas del NLP como la desambiguación y el etiquetado de palabras Comprender y usar los algoritmos de clasificación de texto con Python y NLTK Implementar tu propia versión del Modelo Markoviano de Máxima Entropía (MMME) Usar algoritmos de clasificación para realizar análisis de sentimientos
Manuel Pérez Terradillos
@ManuelPTerradillos·
Conceptos explicados con una claridad exquisita formando una base excepcional para seguir profundizando en el procesamiento del lenguaje natural. Simplemente bravo
JAVIER GALAN MENDEZ
@javier.galanmendez·
Me encanta como se ha desarrollado el curso sabiendo que se ha hecho el anterior, me gustaría ver como avanzan los siguientes cursos porque tengo mucha emocion en verlos
Garro Ladino Sergio Ezequiel
@sergio_garro·
excelente curso, muy buen profesor, explica muy bien
Andrés David Moreno Galindo
@AndresDMorenoG·
Buena organización temática con gran calidad en el aprendizaje de temas de vanguardia
Platzi Team
@mdav·
Excelente el curso. Muy bueno el contenido y el profesor muy claro al explicar los conceptos.
@nahuelb·
Excelente profesor, con todos los contenidos muy claro que nos hace aprender mucho
Mayra Carolina Morataya Guerra
@mayracarolina·
Genial curso, aunque los videos estaban muy largos, mejor separarlos en 2 videos.
Carlos Andrés Pinilla Castillo
@pinillac·
Tiene un alto contenido matematico /probabilistico y eso hace que uno se tenga que concentrar y tratar de entender realmente, este curso me parecio muuuuy exigenete y de igual manera me gusto mucho.
Cesar Augusto Morales Godoy
@ceaumo·
Muy buen curso, me encantaría ver lo antes posible los demás cursos, usando deep learning, Pacho es un instructor increíble, sabe muchísimo y aprendí un montón
Jaime Escobar
@jescobar731·
Entender el funcionamiento de los algoritmos que ya vienen optimizados en librerias populares
Eleva tu aprendizaje
Este curso es parte de estas rutas de aprendizaje
Ruta
Data Scientist
133 horas
31 Profes
¡Conviértete en Data Scientist! Domina el análisis de negocios, redes neuronales y más con cursos prácticos en Python, ML y Bases de Datos.
Ruta
Machine Learning Engineer
164 horas
37 Profes
Integra inteligencia artificial en el software de un producto y mejora su desempeño con sistemas de machine learning.
Ruta
Deep Learning con Python
33 horas
7 Profes
Utiliza redes neuronales para entrenar modelos con grandes cantidades de datos. Crea proyectos avanzados de inteligencia artificial.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender