Clase 5 de 32 • Curso de Machine Learning Aplicado con Python
Contenido del curso
En este material te comparto los notebooks de Jupyter utilizados por el profesor durante el curso, recuerda que lo ideal es que tú mismo desarrolles estos ejercicios, pero este material te servirá como apoyo y punto de comparación en caso de que te encuentres con alguna dificultad en el camino.
https://github.com/JuanPabloMF/machine-learning-platzi/tree/master
Espero que sigas disfrutando este curso y no olvides al final tomar el examen y obtener tu certificación.
¡Mucho éxito!
David Andrés Torres Forero
Josue Farley Lopez Carvajal
Jose Barboza
Martín Leyva
Luis Alberto Parra Piñeros
Yessica Alejandra Montoya Ospina
Dharman Ballesteros Bedoya
Carlos Daniel Pimentel Díaz
Sebastian Pinto Lopez
Usuario anónimo
Jose Gonzalo Pereira Cantor
LUIS ALBERTO MIRA MORA
Gabriela Maria Marin Zelaya
Omar Sánchez
Eliaz Bobadilla
Luis Fernando Sánchez Pérez
Jaime Sanchez
Eliaz Bobadilla
Jenny Paola Rodriguez Florez
Josue Farley Lopez Carvajal
Daniel Santamaria
Yessica Alejandra Montoya Ospina
Luis Alejandro Hernández Contreras
Cristian Alberto Cortes Gutierrez
Usuario anónimo
Edgardo Velasquez Gutierrez
Jose Patiño
Les recomiendo a todos utilizar microsoft OneNote para tomar apuntes de las clases. Es un sistema ordenado y además queda almacenado en una cuenta para verlo en cualquier dispositivo. Lo uso para todos los cursos que tomo. 
Gracias.
Yo estoy tomando notas en colab ya que puedo añadir código en Python dentro de las mismas notas, es como un notebook de jupyter.
interesante actualmente estoy usando Notion
Una forma fácil de instalar un ambiente para desarrollar con Python, es usando Jupyter Notebooks.
Se puede acceder a esta herramienta, entre otras formas instalando Anaconda (conda).
Se puede instalar en Windows, Linux y macOS.
Conocimientos a adquirir: Jupyter Notebook (recomiendo de anaconda) y sus comandos (son sencillos) y a manejar github (clonar y crear repos). A por ello!
Gracias por compartir el material
Muchas gracias!!
Excelente aporte!
gracias profe!
De acuerdo al instructor: Este repositorio contiene los notebooks del curso "Machine Learning Aplicado con Python" que dicté en platzi.
El objetivo de este curso es entregar los skills prácticos necesarios para implementar algoritmos de ML en un contexto profesional.
El curso incluye:
Introducción a Numpy, para manejo de algebra lineal. Introducción a Pandas, para manejo de los datos en un formato de DataFrames (tablas). Docker files para setup de ambientes limpios y poderosos de trabajo de Machine Learning. Estudio completo del ciclo de ingeniería del Machine Learning. Preparación de datos: Cleaning, Imputation, Merging. Feature Engineering: One-hot encode, Scaling, Feature Design Entrenamiento de modelos: Sklearn API (train_test_split, fit, predict, score) Evaluación de modelos: sklearn.model_selection, Cross Validation, Grid Search. Algoritmos de Machine Learning: Regresión Lineal, Regresión Lasso, KNN, Random Forest, Gradient Boosting Trees. El curso sigue un flujo de resolución real de un problema de predicción de ingreso de peliculas con la base de datos de IMDB con 1000+ ejemplos de entrenamiento.
thanks
Excelente. aunque un poco desactualizado el curso ya que el contenido es de hace 3 años
Muchas gracias
Entendido!. Muchas gracias.
Entendido! Muchas gracias por compartir el material!
Sigo un poco perdido, descargo esto y qué debo hacer?
Son una guía de los Jupyter notebooks
No es necesario descargarlo...
Hola, como han hecho para instalar Docker.... Yo tengo window 10 home y me dice que no lo puedo instarlar porque requiere mínimo windows pro.
Gracias.
Has considerado instalar VMWare y montar una máquina virtual con Linux?
Josue, yo he estado buscando pero fracacé al momento de instalar VMWare, sabes de algun tutorial en específico qu eme pueda servir? muchas gracias
Muy claros los conceptos
Intenté clonar e repositorio, me pide un usuario y una clave y no es ni la del Github, ni la de platzi. Alguien sabe que se debe colocar..?
Te recomiendo que primero le hagas un Fork y luego desde la copia que se genera en tu perfil de GitHub si lo clones
Gracias!!
Muchas gracias profesor ❤️!
Gracias!
