Varianza y Desviación Estándar
Clase 8 de 28 • Curso de Introducción a Machine Learning 2017
Contenido del curso
Introducción a Inteligencia Artificial
Machine Learning
Probablidiad y Estadítica
Algoritmos
- 10

¿Qué son algoritmos?
09:30 min - 11
Ejercicio escrito: Secuencia de Fibonacci
00:31 min - 12

Regresión Lineal
09:15 min - 13
Ejercicio escrito: Regresión Lineal
00:20 min - 14

Regresión Logística
04:00 min - 15

Regresión Logística Multinomial
03:24 min - 16

Redes Neuronales
11:16 min - 17
Ejercicio escrito: Compuerta Logica OR
00:16 min - 18

Algoritmo K-Means
03:42 min - 19

Deep Learning (Aprendizaje Profundo)
04:57 min - 20

Problemas Frecuentes en Machine Learning
04:14 min - 21
Ejercicio escrito: Underfitting y Overfitting
00:19 min
Construyendo un Modelo
Cierre del curso
Contenido Bonus
Después de mirar los conceptos básicos de Probabilidad y Estadística y haberlos reafirmado con los ejercicios del material pasado, ahora veremos los conceptos avanzados que se necesita entender.
Conceptos avanzados:
- Varianza = Es una medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable respecto a la media, o dicho de otra forma, es la media de los residuos al cuadrado.

Esta formula se explica mejor siguiendo estos pasos:
a) Calcular la suma de los datos.
b) Calcular la media.
c) Restar la media a cada dato.
d) Elevar al cuadrado cada resultado.
e) Sumar todos los resultados y sacar la media de esa sumatoria.
- Desviación Estándar = Es la raíz cuadrada de la varianza de la variable.

Esta formula se explica mejor siguiendo estos pasos:
a) Calcular la suma de los datos.
b) Calcular la media.
c) Restar la media a cada dato.
d) Elevar al cuadrado cada resultado.
e) Sumar todos los resultados y sacar la media de esta sumatoria.
f) Raíz cuadrada del resultado.