Nivel Avanzado
26 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
Francisco Camacho
Co-founder & CTO at Hunty
Co-founder & CTO at Hunty
Opiniones del curso
4.8 · 173 opiniones
Marcos Torres Vivanco
@marcos.torresv95444·
El profesor es muy bueno, sus ejemplos son claras. Lo más destacable del curso es la manera en que explica tanto temas de matemáticas abstractas y la forma de aplicarlas en Python.
Alan Stiven Camacho Restrepo
@ascamach·
Muy buen contenido y explicacion del profe
Laura Quintero
@lmarcela.quintero·
Excelentes explicaciones
Gerson Gómez Giraldo
@giraldogomez2017·
calificaicones
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