Curso Profesional de Machine Learning con Scikit-Learn

Clases del Curso Profesional de Machine Learning con Scikit-Learn

Instruido por:
Ariel Ortiz
Ariel Ortiz
Básico
4 horas de contenido
Ver la ruta de aprendizaje
Implementación de regresión robusta
Proyecto del curso
Implementación de regresión robusta

Usando el dataset del índice de felicidad aprenderás a limpiar y transformar datos atípicos para procesarlos por medio de un regresión robusta.

Curso Profesional de Machine Learning con Scikit-Learn

Curso Profesional de Machine Learning con Scikit-Learn

Progreso del curso:0/37contenidos(0%)

Contenido del Curso
Tutoriales de estudiantes
Preguntas de estudiantes

Progreso del curso:0/37contenidos(0%)

Aprender los conceptos clave

Material Thumbnail

Todo lo que aprenderás sobre MA con Scikit-Learn

07:31 min

Material Thumbnail

¿Cómo aprenden las máquinas?

04:18 min

Material Thumbnail

Problemas que podemos resolver con Scikit-learn

06:13 min

Material Thumbnail

Las matemáticas que vamos a necesitar

04:52 min

Iniciar un proyecto con sklearn

Material Thumbnail

Configuración de nuestro entorno Python

06:55 min

Material Thumbnail

Instalación de librerías en Python

07:41 min

Material Thumbnail

Datasets que usaremos en el curso

04:36 min

Optimización de features

Material Thumbnail

¿Cómo afectan nuestros features a los modelos de Machine Learning?

06:56 min

Material Thumbnail

Introducción al PCA

05:52 min

Material Thumbnail

Preparación de datos para PCA e IPCA

09:57 min

Material Thumbnail

Implementación del algoritmo PCA e IPCA

13:45 min

Material Thumbnail

¿Qué es la regularización y cómo aplicarla?

07:39 min

Material Thumbnail

Implementación de Lasso y Ridge

15:19 min

Material Thumbnail

Explicación resultado de la implementación

02:42 min

ElasticNet: Una técnica intermedia

01:41 min

Regresiones robustas

Material Thumbnail

El problema de los valores atípicos

04:46 min

Material Thumbnail

Regresiones Robustas en Scikit-learn

03:06 min

Material Thumbnail

Preparación de datos para la regresión robusta

09:41 min

Material Thumbnail

Implementación regresión robusta

04:34 min

Métodos de ensamble aplicados a clasificación

Material Thumbnail

¿Qué son los métodos de ensamble?

05:43 min

Material Thumbnail

Preparación de datos para implementar métodos de ensamble

05:35 min

Material Thumbnail

Implementación de Bagging

05:44 min

Material Thumbnail

Implementación de Boosting

04:20 min

Clustering

Material Thumbnail

Estrategias de Clustering

02:22 min

Material Thumbnail

Implementación de Batch K-Means

10:22 min

Material Thumbnail

Implementactión de Mean-Shift

08:47 min

Optimización paramétrica

Material Thumbnail

Validación de nuestro modelo usando Cross Validation

06:53 min

Material Thumbnail

Implementación de K-Folds Cross Validation

09:09 min

Material Thumbnail

Optimización paramétrica

07:22 min

Material Thumbnail

Implementación de Randomized

10:38 min

Bonus: Auto Machine Learning

01:50 min

Salida a producción

Material Thumbnail

Revisión de nuestra arquitectura de código

10:17 min

Material Thumbnail

Importar y exportar modelos con Sklearn

14:18 min

Material Thumbnail

Creación de una API con Flask para el modelo

10:36 min

Material adicional para consultar

00:58 min

nuevosmás votadossin responder
Luis Novelo
Luis Novelo
Profe Platzi

Profesor, ¿alguna idea de porqué utilizando el mismo dataset clasifica los datos de manera disinta?
En su ejemplo el dulce One dime está clasificado en el grupo “0” mientras que en mi caso lo clasifica en grupo “2”

1
Giovany samaca
Giovany samaca
Estudiante

cuando el profesor dice la palabra penalizar a que se refiere??

1
Gerardo Mayel Fernández Alamilla
Gerardo Mayel Fernández Alamilla
Estudiante

Si nuestra variable target, en lugar de tener un binario numérico 1,0 tiene un binario en texto por ejemplo ‘s’ , ‘n’ se debe convertir primero a 1,0 o es indistinto??

1
Gerardo Mayel Fernández Alamilla
Gerardo Mayel Fernández Alamilla
Estudiante

Qué pasa si en lugar de clasificar y tener resultados solo binarios, tenemos resultados de una regresión?

1
FELIX  DAVID CORDOVA GARCIA
FELIX DAVID CORDOVA GARCIA
Estudiante

¿Cuanto usar accurcay_score y cuando .score? porque en regresión logística y en DecisionTreeClasifier las cuales son clasificaciones usamos .score y Ariel dijo que en este caso pone accuracy_score porque es clasificacion?

1
Wuilson Adolfo Estacio Rojas
Wuilson Adolfo Estacio Rojas
Estudiante

No habia manejado todavia esos metodos, pero los revisare a profundidad, pero tambien quisiera un ejemplo de la implementacion de esos modelos

1
Javier Enriquez Sanchez
Javier Enriquez Sanchez
Estudiante

Una vez recolectado los datos ,limpiado el dataset , separado entre train y test , entrenado el modelo y corroborado que no tenemos overfitting ni underfitting ¿Que continua? ¿como seguimos con el proceso ? ¿ Como añadimos nuevos datos ,los probamos con nuestro modelo y exportamos los datos obtenidos?

2
Diego Andrés Dávila Maldonado
Diego Andrés Dávila Maldonado
Estudiante

Hola!
Pregunto esto porque el resultados de mi respuesta varia un poco, una décima en la segunda casa o posición, osea si dio 0,71 para mi es 0,69.
Partiendo del mismo data set, con el mismo código, no debería obtener la misma respuesta?

0
Gustavo Restrepo
Gustavo Restrepo
Estudiante

En el modelo Meanshift qué significa ese banswith?

1
Javier Enriquez Sanchez
Javier Enriquez Sanchez
Estudiante

no me arranca el localhost , supongo que sera cosa de mi ordenador ya que al principio si que lo hizo ,muy buena clase por cierto

3