Temario y recursos del Curso de Fundamentos Prácticos de Machine Learning
Temario del Curso de Fundamentos Prácticos de Machine Learning
Fundamentos prácticos
5 Clases abiertas- Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje
- Los fundamentos de machine learning que aprenderás
- Introducción a Numpy
- Introducción y manipulación de datos con Pandas
- Introducción a ScikitLearn
Acelera tu carrera profesional con más de 34 Clases del Curso de Fundamentos Prácticos de Machine Learning
Comienza ahora- Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)
Regresión Lineal y Logística
- ¿Qué es la predicción de datos?
- Sobreajuste y subajuste en los datos
- Regresión lineal simple y regresión lineal múltiple
- Regresión lineal simple con Scikit-Learn: división de los datos
- Regresión lineal simple con Scikit-Learn: creación del modelo
- Regresión logística con Scikit-Learn: definición y división de datos
- Regresión logística con Scikit-Learn: evaluación del modelo
- Matriz de confusión
- PlatziDoro Cápsula 1
Árboles de decisión
- ¿Qué es un árbol de decisión y cómo se divide?
- Comprendiendo nuestro data set para la creación de un árbol de decisión
- Creando un clasificador con Scikit-Learn
- Entrenamiento del modelo de clasificación
- Visualización del árbol de decisión
K-Means
- ¿Qué es K-Means?
- Cargando el data set de Iris
- Construcción y evaluación del modelo con K-Means
- Graficación del modelo
- PlatziDoro Cápsula 2
Para este curso vas a necesitar
3 Horas de contenido
12 Horas de práctica
Proyecto del curso
Clasificador de imágenesCrea una red neuronal con Tensor Flow para predecir qué tipo de prenda de vestir corresponde a la imagen.
Para este curso vas a necesitar
3 Horas de contenido
12 Horas de práctica
Proyecto del curso
Clasificador de imágenesCrea una red neuronal con Tensor Flow para predecir qué tipo de prenda de vestir corresponde a la imagen.
Fundamentos prácticos
5 Clases abiertas- Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje
- Los fundamentos de machine learning que aprenderás
- Introducción a Numpy
- Introducción y manipulación de datos con Pandas
- Introducción a ScikitLearn
Acelera tu carrera profesional con más de 34 Clases del Curso de Fundamentos Prácticos de Machine Learning
Comienza ahora- Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)
Regresión Lineal y Logística
- ¿Qué es la predicción de datos?
- Sobreajuste y subajuste en los datos
- Regresión lineal simple y regresión lineal múltiple
- Regresión lineal simple con Scikit-Learn: división de los datos
- Regresión lineal simple con Scikit-Learn: creación del modelo
- Regresión logística con Scikit-Learn: definición y división de datos
- Regresión logística con Scikit-Learn: evaluación del modelo
- Matriz de confusión
- PlatziDoro Cápsula 1
Árboles de decisión
- ¿Qué es un árbol de decisión y cómo se divide?
- Comprendiendo nuestro data set para la creación de un árbol de decisión
- Creando un clasificador con Scikit-Learn
- Entrenamiento del modelo de clasificación
- Visualización del árbol de decisión
K-Means
- ¿Qué es K-Means?
- Cargando el data set de Iris
- Construcción y evaluación del modelo con K-Means
- Graficación del modelo
- PlatziDoro Cápsula 2
