Clasificación de Texto en Machine Learning: Teorías y Aplicaciones
Contenido del curso
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
07:50 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
12:54 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
10:43 min - 22
Preparación de Datos para Modelo Naive Bayes en Python
07:43 min - 23
Implementación del Algoritmo Naive Bayes en Python con spaCy
17:01 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
07:01 min
Clasificación de Texto en Machine Learning: Teorías y Aplicaciones
![Francisco Garcia [C6]](https://static.platzi.com/media/avatars/avatars/garciafran_c845c2fe-2ea4-42db-a305-a7f4ef13b0fd.jpeg)
