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.
Clases del curso
Modelos Markovianos Latentes (HMM)
Algoritmo de Viterbi
Modelos Markovianos de máxima entropía (MEMM)
Clasificación de texto con NLTK
Implementación de un modelo de clasificación de texto
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.
conocimientos previos
- Python y NLTK
- Fundamentos de procesamiento de lenguaje natural
- Probabilidad y estadística
software y recursos necesarios
- Jupyter Notebooks o Google Colab
Opiniones del curso
4.8 · 166 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.
Enrique Jiménez Téllez
@enriquejimneztllez·
Excelente curso muy práctico y teórico
LUIS GUILLERMO MONCADA RUIZ
@fiyugun·
conocer herramientas que nos ayuden a descifrar patrones en los textos, fue algo muy util
Jerson David Puentes Sanchez
@JersonPuentes·
Descubrir las aplicaciones de la clasificación de texto y el procesamiento de lenguaje natural (NLP)
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
Ronald Escobar
@jjklmnn·
El Profesor
Rafael Rivera
@rafarivera75·
Excelente curso, muy buen profesor.
Carlos García Almodóvar
@cargadovar·
Me ha gustado mucho como se ha explicado el proceso de desarrollo de los algoritmos. El profesor tiene mucha facilidad para explicar de forma muy entendible todos los contenidos.
Cristian Y. Juzga
@cristian.riverajuzga·
La forma en que el docente aborda el tema, su explicación es impecable.
Santiago Tellez
@santiago-tellez·
Se conocen distintos tipos de algoritmos para la clasificación de texto explicado claramente
Carlos A. Sánchez
@csanchezchan·
De los mejores cursos que hay en Platzi. Es complejo y a la vez tan bueno, que recomiendo verlo muchas veces para entenderlo en su totalidad
Oscar Gomez
@oscar.gomezr0414·
Excelente curso. Se recomienda poder incluir lemmatization y aplicación de modelos de machine learning con vectorization para el próximo curso.
Robinson Moreno
@robinsonmoreno·
Curso bastante avazado, pero muy bueno y el profesor con buena estructura de ensennanza.
@alan_grosso·
Sin lugar a dudas uno de los mejores profesores de la línea ML y AI es Francisco Camacho. Este curso no es la excepción. Recomendado.
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.
Kenny José Miranda Deluque
@kemirandad·
Excelente curso! queda claro que aún queda mucho por explorar... A la espera de más entregas a esta especialización del machine learning.
Libardo Jose Castro Aparicio
@libardojosecastroaparicio·
El profecor tiene los conocimientos claros sobre el tema lo que hacen las clases mas faciles de entender.
Samuel Joshua Reyes Martínez
@samuel.reyes·
Buen curso y gran profesor, lo recomeindo para seguir en el camino del machine learning
Josue Trinidad Acosta
@josue.trinidad·
Me encantó este curso, la forma en que el profesor enseña me parece la más óptima. A veces, las lecciones parecen largas pero valen la pena. Felicidades maestro Francisco, tiene todo mi respeto :D
Eduardo Arredondo Fernández
@lalo_arredondo·
Excelente curso sobre todo por el profesor que lo impartió, un excelente profesor
Rodolfo Arturo González Trillo
@Radek·
¡Excelente curso! Espero en el futuro más cursos con mucha matemática y especialización como éste.
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
Garro Ladino Sergio Ezequiel
@sergio_garro·
excelente curso, muy buen profesor, explica muy bien
Fco. Javier Luque Terriza
@javiluke·
Gran curso. Muchos interesantes conceptos y realmente bien explicados. Gracias.
Gabriela Chamorro Legarda
@gabrielachamorro·
Es un excelente curso para entender cómo funcionan los algoritmos de clasificación de texto, tanto con las librerías existentes como la construcción de su lógica desde cero en Python de modelos clásicos y un poco más avanzados. El profesor explica de una manera clara la teoría y la implementación.
Mayra Carolina Morataya Guerra
@mayracarolina·
Genial curso, aunque los videos estaban muy largos, mejor separarlos en 2 videos.
Alejandra Maria Restrepo franco
@amrestrepo·
Exccelente curso, muy buen documentado y con la construccion en linea de los codigos
Andrés Felipe Rubiano Moreno
@andres-rubiano·
Estuvo increíble el curso, especialmente por que explica las bases y el por que no solo el código.
Eleva tu aprendizaje
Complementa este curso con nuestras rutas de aprendizaje
Inteligencia Artificial y Data Science
Aprende ciencia de datos con cursos de Data Science y explora el potencial sin límites de los datos, el machine learning y la inteligencia artificial.
Ruta
Análisis y Visualización de Datos
52 horas
10 Profes
Aprende a extraer, limpiar, analizar y visualizar datos para comunicar insights y apoyar la toma de decisiones estratégicas en los negocios.
Ruta
Data Engineer
43 horas
12 Profes
Aprende a construir y gestionar pipelines de datos escalables, utilizando herramientas como Spark, Airflow, y bases de datos SQL y NoSQL en entornos cloud.
Ruta
Machine Learning y Deep Learning
63 horas
16 Profes
Profundiza en algoritmia, aprendizaje supervisado, no supervisado, redes neuronales, y el despliegue de modelos de Data Science e Inteligencia Artificial en producción.
Ruta
Fundamentos de Data Science y AI
52 horas
12 Profes
Adquiere las bases matemáticas, de programación y de ingeniería de software necesarias para iniciar en el mundo de la ciencia de datos y la inteligencia artificial.
Comunidad
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender