Siguientes pasos en modelos de inteligencia artificial

Clase 17 de 18 • Curso de Regresión Lineal con Python y scikit-learn

FELIX DAVID CORDOVA GARCIA

student•

Excelente curso, deberías hacer mas cursos de ML con este profe, de regresiones logísticas, aprendizaje no supervisado o cosas mas profundas de ML

Eduardo Carrillo

student•

Excelente contenido y excelente profe

Héctor Daniel González Vargas

student•

Gran curso, muchas gracias!!!! Concuerdo con la opinión de los demás, sería interesante tener cursos avanzados de machine learning donde se lleven a cabo proyectos complejos.

Jorge Olmus

student•

Una vez explicados los códigos y la manera de relacionar variables , etc, el proyecto debería detenerse un poco en analizar el caso y sacar conclusiones prácticas sobre el dataset, esto a manera de hacer el proyecto mucho más práctico.

Luis Arces Palomino Blas

student•

Excelente curso y excelente profe.

Ronald Barzola

student•

Actualizar los links a cursos sugeridos. Parece que ya cambió las URL (:

Edwin Roberto Olivera Mc Leman

student•

Tienes razón. Algunos cursos ya no están indexado. Tal vez algún día los actualizan.

Jorge Andres Avendano Carabali

student•

solving test

Resumen 1. ¿Geométricamente cómo se ven los resultados de una regresión lineal de 3 variables? Como un plano 2. ¿Cuál de estos es un método de regularización? Ridge 3. ¿Cuál de los siguientes métodos utilizarías para evaluar con ayuda de una gráfica los resultados de un modelo de regresión lineal? Con una matriz de correlaciones REPASAR CLASE 4. La regresión lineal es exclusivamente un modelo supervisado. Esto es: Verdadero 5. ¿Geométricamente qué quieren decir la w0 y w1 en la ecuación de regresión lineal con dos variables? El corte en X = 0 y el cambio en Y dado el cambio de 1 en X 6. ¿Para qué sirve sns.pairplot()? Para ver las correlaciones que existen entre todas las posibles variables numéricas a través de un gráfico de dispersión 7. Para optimizar un modelo es necesario solo tener una función de pérdida. Esto es: Falso 8. ¿Qué hace el one-hot encoding?

Crea una columna con cada uno de los atributos de una variable categórica, donde los valores son 1 si esa fila tiene el valor de dicho atributo. 9. ¿Cuál es el nombre formal de el método de evaluación llamada R^2? Coefficiente de determinación 10. ¿Qué método se utiliza para verificar si un modelo se ajusta de la mejor manera a los datos? Método de mínimos cuadrados 11. Una manera de intentar mejorar el modelo es aplicando funciones a las variables independientes, así como puede ser que se eleven al cuadrado. Esto es: Verdadero 12. Solo es necesario comprobar visualmente nuestras creencias sin justificarlas con un resultado numérico. Esto es: Falso 13. Cuando hablamos de un problema de análisis supervisado, ¿qué problema resuelve un modelo de regresión? Intenta predecir sobre valores numéricos como lo pueden ser los precios de casas en una zona o la estatura de una persona.

Augusto Mas

student•

Me gusto que el profesor explica sencillo y es muy didactico. Me gustaria encontrarlo en un curso que sea específico de Random Forest o de Redes Neuronales. Es clave y muy importante el paso a paso en la notebook de Google Colab para ir poniendo en práctica lo que vamos aprendiendo a medida que avanza el curso! Todas los cursos debería tener su parte práctica usando una notebook!!

Antonio Demarco Bonino

student•

Me encantó poder solucionar problemas con regresiones lineales.

Ya se me ocurre cómo poder solucionar temas vinculados a las ciudades inteligentes: tránsito, iluminación, recolección de basura y transporte público. Creo que la IA vino para solucionar esos problemas y más.

Isaac Bryan Ascanoa Roncall

student•

Fue un gran curso. En la universidad ni entendia este metodo de regresion. Ahora mas claro me ha quedado. Solo queda practicarlo.

Mario Enrique Bejarano G

student•

Muchas gracias Luis Fernando por lo explicado en el curso, me enseñó mucho sobre la regresión lineal.

Natalia Bermudez Calderon

student•

Muy buen curso, simplifica conceptos difíciles de forma muy sencilla. 10/10

Julián Cárdenas

student•

Excelente curso profesor, ya cada vez estoy más cerca de acabar el curso de Data Scientist <3

Sofia Febres

student•

Exelente, sería interesante tener cursos avanzados de machine learning.

Ricardo Cruz

student•

Muchas gracias profe. Me ayudo a reforzar unos temas. Nos vemos.!!

Juan R. Vergara M.

student•

⭐⭐⭐⭐⭐

Didier Irias

student•

Hay 2 links caídos.

Javier Velázquez

student•

Buen Profe, gracias!

Diego Jurado

student•

Muchas gracias

Jhon Freddy Tavera Blandon

student•

**Este curso trajo muchos nuevos retos, es un muy buen curso, el docente explica muy bien gracias Platzi por estos buenos curso, y el perfecto método que dan de aprendizaje **

Matías Collado

student•

Curso bien explicado, buen profesor pero Platzi entrega un conocimiento muy liviano.

Siguientes pasos en modelos de inteligencia artificial

Introducción al curso

Tu primera regresión lineal con scikit-learn

Análisis de datos para tu primera regresión lineal

Entrenando un modelo de regresión lineal con scikit-learn

Cómo funciona la regresión lineal

¿Qué es la regresión lineal?

Cuándo utilizar un modelo de regresión lineal

Función de pérdida y optimización: mínimos cuadrados

Evaluando el modelo: R^2 y MSE

Regresión lineal multivariable

Regresión lineal multivariable

Análisis de regresión multivariable

Proyecto práctico

Regresión lineal para predecir los gastos médicos de pacientes

Exploración y preparación de datos

Análisis de correlación de los datos

Entrenamiento del modelo

Evaluando el modelo

Mejorando el modelo

Pasos siguientes

¿Qué hay más allá de la linealidad?

Siguientes pasos en modelos de inteligencia artificial

Comparte tu proyecto de regresión lineal y certifícate