¿Qué sigue?
Clase 33 de 35 • Curso Profesional de Data Science 2016
Contenido del curso
Llevar tus cosas a Producción
- 3
Llevar tus cosas a producción
05:53 min - 4
Bases de datos: SQL o NoSQL
05:22 min - 5
ETL
12:01 min - 6
Mostrar tus datos mediante dashboards
07:38 min - 7
Repaso por Jupyter Notebook
07:34 min - 8
Ejemplo de inferencia en twitter para producción
20:35 min - 9
Creando nuestro modelo matematico
17:45 min - 10
Automatización
24:35 min - 11
Llevar tus cosas a producción
07:13 min
Machine Learning
- 12
Un poco de contexto sobre machine learning
10:40 min - 13
Entrenando un modelo de Machine Learning
12:03 min - 14
Modelos de regresión, clasificación, clustering y reducción de dimensionalidad
15:38 min - 15
Modelos canónicos y para que los usamos
17:02 min - 16
Más modelos canonicos
28:24 min - 17
Itera rápido o muere lento
06:33 min - 18
Recolectando y limpiando nuestros datos
23:28 min - 19
Implementando nuestros modelos de Machine Learning
16:23 min - 20
Creando y ejecutando nuestro pipeline
32:34 min - 21
Machine Learning
12:04 min
