Curso de Fundamentos Prácticos de Machine Learning

Clases del Curso de Fundamentos Prácticos de Machine Learning

Instruido por:
Yesi Díaz
Yesi Díaz
Básico
3 horas de contenido
Ver la ruta de aprendizaje
Clasificador de imágenes
Proyecto del curso
Clasificador de imágenes

Crea una red neuronal con Tensor Flow para predecir qué tipo de prenda de vestir corresponde a la imagen.

Curso de Fundamentos Prácticos de Machine Learning

Curso de Fundamentos Prácticos de Machine Learning

Progreso del curso:0/34contenidos(0%)

Contenido del Curso
Tutoriales de estudiantes
Preguntas de estudiantes

Progreso del curso:0/34contenidos(0%)

Fundamentos prácticos

Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje

00:50 min

Material Thumbnail

Los fundamentos de machine learning que aprenderás

05:18 min

Material Thumbnail

Introducción a Numpy

12:57 min

Material Thumbnail

Introducción y manipulación de datos con Pandas

11:37 min

Material Thumbnail

Introducción a ScikitLearn

02:11 min

Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)

02:32 min

Regresión Lineal y Logística

Material Thumbnail

¿Qué es la predicción de datos?

03:11 min

Sobreajuste y subajuste en los datos

03:51 min

Material Thumbnail

Regresión lineal simple y regresión lineal múltiple

05:22 min

Material Thumbnail

Regresión lineal simple con Scikit-Learn: división de los datos

07:48 min

Material Thumbnail

Regresión lineal simple con Scikit-Learn: creación del modelo

08:07 min

Material Thumbnail

Regresión logística con Scikit-Learn: definición y división de datos

10:34 min

Material Thumbnail

Regresión logística con Scikit-Learn: evaluación del modelo

09:56 min

Matriz de confusión

01:38 min

Material Thumbnail

PlatziDoro Cápsula 1

01:35 min

Árboles de decisión

Material Thumbnail

¿Qué es un árbol de decisión y cómo se divide?

06:00 min

Material Thumbnail

Comprendiendo nuestro data set para la creación de un árbol de decisión

08:15 min

Material Thumbnail

Creando un clasificador con Scikit-Learn

11:08 min

Material Thumbnail

Entrenamiento del modelo de clasificación

05:45 min

Material Thumbnail

Visualización del árbol de decisión

05:22 min

K-Means

Material Thumbnail

¿Qué es K-Means?

04:14 min

Material Thumbnail

Cargando el data set de Iris

07:31 min

Material Thumbnail

Construcción y evaluación del modelo con K-Means

05:33 min

Material Thumbnail

Graficación del modelo

06:07 min

PlatziDoro Cápsula 2

00:30 min

Aprendizaje profundo

Material Thumbnail

Introducción al aprendizaje profundo

04:32 min

Conceptos básicos de Tensor Flow

00:48 min

Material Thumbnail

Red neuronal convolucional

03:01 min

Material Thumbnail

Conociendo el set de datos para la creación de la red neuronal

11:23 min

Material Thumbnail

Crea y entrena tu primera red neuronal convolucional con Tensor Flow

08:18 min

Material Thumbnail

Evaluación de la red convolucional

08:29 min

Material Thumbnail

PlatziDoro Cápsula 3

00:51 min

Despedida

Material Thumbnail

Recomendaciones para analizar correctamente tu problema

08:48 min

Material Thumbnail

Siguientes pasos para continuar aprendendiendo de Machine Learning

02:19 min

nuevosmás votadossin responder
REID
REID
Estudiante

Tengo una pregunta, en este caso la base de datos iris nos trae ya “agrupados” los datos(Virginica, Versicolor y Setosa ) , es por eso que el accuracy = metrics.adjusted_rand_score(Y_iris,y_kmeans) es posible obtenerlo.

En el caso de mi base de datos donde no tengo ningún agrupamiento, que debería utilizar análogo a lo que en este caso definimos como Y_iris ??

Espero que se entienda mi pregunta. Saludos!

1
Santiago Ahumada
Santiago Ahumada
Estudiante

Hola tengo una pregunta, por que mi modelo en keras envalua 1875 datos y no 60000?

model.fit(train_images, train_labels, epochs = 5)
1
Santiago Ahumada
Santiago Ahumada
Estudiante

¡ Hola ! Tengo una pregunta.

¿Porqué la profe utiliza

model.fit(x)

en lugar de

model.fit(x,y)

?

Lo digo porque hasta donde tengo entendido necesitamos los etiquetados correctos de la muestra para entrenar el modelo…

3
L_jaramillo
L_jaramillo
Estudiante

en la calse pasada no me dejo editar el csv me dice que la info se pierede en este guardado sera por el So WINDOWS ?

0
Diego César Lerma Torres
Diego César Lerma Torres
Estudiante

No me queda claro qué utilidad tiene contar los Pclass de la tabla. Tengo entendido que los Pclass son la clase en la que iba el pasajero del barco, ¿no? (1st, 2nd, 3d class)
¿Por qué es relevante?

1
L_jaramillo
L_jaramillo
Estudiante

la abreviatura :-1 que quiere decir o ha que hace referencia?

1
Santiago Ahumada
Santiago Ahumada
Estudiante

¡Hola!
Tengo una pequeña duda con respecto a iloc():

No me queda claro ¿?or qué

print(data.iloc[:,-1])

Imprime la columna 1 (Salario) del dataset.

Y en contraste,

print(data.iloc[:,:-1])

Imprime la columna 0 (Años) ?

Y por qué no se utilizan simplemente

print(data.iloc[:,0]) # Para columna de Añosprint(data.iloc[:,1]) # Para columna de Salarios

¡Saludos!

1
Diego César Lerma Torres
Diego César Lerma Torres
Estudiante

Oigan, con respecto a la sección de Numpy que dice:
Ordenar un arreglo:

np.order(x)

creo que el método np.order(x) no existe en Numpy.

¿Me parece fue un error y se refiere a np.sort(x)?

1
Gerardo Mayel Fernández Alamilla
Gerardo Mayel Fernández Alamilla
Estudiante

Podríamos usar la función encoder para usar variables categóricas en un modelo de regresión logística por ejemplo?

1
Gerardo Mayel Fernández Alamilla
Gerardo Mayel Fernández Alamilla
Estudiante

Cómo podríamos saber que variables son importantes para el análisis y cuáles no? se me ocurre hacer un análisis de correlación, cómo poder hacerlo o qué otros métodos podemos usar?

1