Curso de Fundamentos Prácticos de Machine Learning

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

Introducción al Curso

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
Bryan Enmanuel Espinales Coronado
Bryan Enmanuel Espinales Coronado
Estudiante

La pregunta es tonta pero como le hago para salir de ahi?
Quiero regresar en la parte donde solo tengo “sample_data”

Screenshot_2.png
0
Ovidio Andrade
Ovidio Andrade
Estudiante

Tengo una duda, si ya entrene el modelo de machine learning, ¿como lo uso para predecir?

0
Damian Spizzirri
Damian Spizzirri
Estudiante

¿Alguno tuvo este problema y pudo arreglarlo?

ImportError: cannot import name ‘keras’ from partially initialized module ‘tensorflow’ (most likely due to a circular import)

Estoy usando python 3.9 y tensorflow 2.4.1

1
Gustavo Angel Muñoz Mejia
Gustavo Angel Muñoz Mejia
Estudiante

¿porqué aparece una “b” antes del nombre?

1
devops
devops
Estudiante

Buenas Noches: profesora disculpe que tipo de proyectos podemos aprender con machine learning ? o cual es la finalidad que clase de datos se analisan ? o como que tipo de proyecto se pueden aplicar ? no se ? esa es mi duda?

1
Edwin Zarate
Edwin Zarate
Estudiante

No entendi como escalar una variable

0
liz6
liz6
Estudiante

for i in range(25):
plt.subplot(5,5, i + 1)
plt.xticks([])
plt.yticks
plt.grid(‘off’)
plt.imshow(train_images[i], cmap= plt.cm.binary)
plt.xlabel(class_names[train_labels[i]])

Entiendo qd aca grafica 25 por eso el range (25), pero i+1 para q ? y los xticks? el cmap tampoco entiendo

1
lider cristobal dueñas garcia
lider cristobal dueñas garcia
Estudiante

por que no hacen ejemplos de predicciones pero con ejemplos de la vida real, por ejemplo ventas , tiempo, cantidades vendidas, clientes , etc ?

2
liz6
liz6
Estudiante

Alguien me podría explicar la interpretación del árbol que se hizo? Porfa :8

0
Giovany samaca
Giovany samaca
Estudiante

una pregunta
el target esta en el datased iris?? no comprendo de donde sale el traget? alguien que me ayude

3