Recursos para Aprender Machine Learning y Data Science

Clase 37 de 37 • Curso Profesional de Machine Learning con scikit-learn

Una vez más debo felicitarte por haber llegado hasta el final de este curso. ¡Si multiplicamos nuestro conocimiento y lo compartimos con otros, cada vez haremos mejores productos tecnológicos que nos beneficien a todos!

¡Nunca pares de aprender!

No quiero irme sin recordarte que todo lo que vimos en este curso es no más una muestra del apasionante mundo del machine learning. Y te quiero dejar algunos materiales para que puedas continuar con tu camino de aprendizaje infinito. Si encuentras algún material que valga la pena, no dudes en hacérmelo llegar también. Juntos podemos llegar más lejos.

Machine Learning & Data Science:

El canal de StatQuest con Josh Starmer (Inglés):

https://www.youtube.com/channel/UCtYLUTtgS3k1Fg4y5tAhLbw

El canal de SentDex (Inglés):

https://www.youtube.com/user/sentdex

Un blog especializado en Data Science (Inglés)

https://towardsdatascience.com/

Libro gratuito: The art of data science (Inglés)

https://bookdown.org/rdpeng/artofdatascience/

Canal AMP Tech: (Español)

https://www.youtube.com/channel/UCG4H4Qf-ZU9Ycr_PQ4egqDQ

Tensorflow Coding (Español):

https://www.youtube.com/watch?v=ZMkYL942RBw&list=PLQY2H8rRoyvz3rEFpW2I3gPSru5xm8Bf7

Canal de 3Blue1Brown (Subtitulado):

https://www.youtube.com/watch?v=aircAruvnKk

El curso de Deep Learning para PLN de Stanford: http://web.stanford.edu/class/cs224n/

El canal de Daniel Shiffman “The Coding Train”

(Está más orientado a temas de computación gráfica, pero las explicaciones que da de Inteligencia Artificial son maravillosas).

https://www.youtube.com/user/shiffman

El libro de Daniel Shiffman de introducción a la vida artificial usando P5.JS (Javascript):

https://natureofcode.com/book/

El canal de Andrew Ng. Deeplearning.ai

https://www.youtube.com/channel/UCcIXc5mJsHVYTZR1maL5l9w

Mis comunidades favoritas en facebook:

(No olvides revisar la sección de archivos cuando sea el caso)

The Data Pub:

https://www.facebook.com/thedatapub/

Machine Learning Colombia:

https://www.facebook.com/groups/1766056600304468/files/

Machine Learning en Español

https://www.facebook.com/groups/machinelearninges/

Sociedad Ecuatoriana de estadística (Español)

https://www.facebook.com/socecuest/

Con mucho cariño,

Ariel Ortiz Beltrán.

Juan David Benavides Muñoz

student•

De los mejores cursos de ML que he visto, grande profesor Ariel

Marcelo Sánchez

student•

Excelente curso, nunca hice un curso tan bueno. Me fascinó la parte de poder exportar el modelo YA ENTRENADO en algo que pueda ser utilizado por terceros en cualquier momento.

Mis felicitaciones a platzi y al profesor por el curso.

Matias Alexander Ibarra Trujillo

student•

Muchas gracias Ariel ha sido un curso marvilloso, gustoso de llevarlo, ya es segunda vez que lo hago y me ha encantado.

Juan R. Vergara M.

student•

¡El cielo es el límite! 🚀🔥🔥🔥

Nicolas Cardenas Camelo

student•

Super agradecido con este curso, ha sido de lo mejor de lo mejor hasta ahora de lo que hay en platzi, aprendi mucho y el profe explico super claro, aunque a veces me perdia, pero nada que darle para atras no pudiera arreglar

Antonio Demarco Bonino

student•

Ahora hay mucho más para estudiar y salir adelante. Vamos con todo. Ya el canal de Tensorflow es una delicia y una seda para los dedos de todos los Data. Muchas gracias.

Johann Rios

student•

Gracias infinitas profe Ariel, es mi primer curso de ML, y usted me confirmo que debo aprender de ML, esto es un camino infinito como bien lo escribiste; ERES UNA MAQUINITA DEL CÓDIGO. DIOS LO BENDIGA SIEMPRE. ¡¡MUCHAS GRACIAS!!

Carlos Daniel Pimentel Díaz

student•

Muchas gracias por los aportes. Son de muchísima ayuda. Gracias.

EDWING ALFONSO ARENAS RUEDA

student•

Excelente material y comunidad

Edgar A. Gonzalez Ambriz

student•

Muchas gracias por todo profesor Ariel Ortiz

Giocrisrai Godoy Bonillo

student•

Muy buen curso sin lugar a dudas lo que se requiere como una base para dar conocimiento de un entorno real

Raúl Mamani Cusi

student•

Muchas gracias Ariel. Sin duda el mejor curso de ML. Estare pendiente de nuevas clases que des

guillermo sainz zarate

student•

Recomiendo encarecidamente el libro Hands-On Machine Learning with Scikit-Learn and TensorFlow de Aurélien Geron. Es un todo en todo. La lectura es muy clara y amena. Suerte a todos:))

Pablo Sánchez

student•

Uno de los mejores cursos de la plataforma, sin lugar a dudas me dieron ganas de nunca dejar de aprender. Jajaja

Nicolas Cordoba

student•

De los mejores cursos que he tomado en Platzi, muchas gracias por compartir su conocimiento

George Wang Lee Zevallos Durand

student•

Que curso tan completo, felicitaciones por ser buen profesor!

Maris Botero Gonzalez

student•

¡Muchas gracias! que curso tan genial aprendí mucho

Rafael Rivera

student•

Ariel, estuvo genial su curso, de 1 a 10, 20.

Muy bueno, queda uno con la sensación de querer aprender mas y mas.

Thomas Gonzalez Rodrigues

student•

también les recomiendo este canal https://www.youtube.com/c/BotAcademyYT que tiene una explicación y una implementation (sin librerias solo codigo) de una red neuronal

Matias Franco Perotti

student•

Hace ya varios cursos que vengo viendo los videos de StatQuest para terminar de entender los temas. Muy buen canal para entender los conceptos detras de los modelos

Recursos para Aprender Machine Learning y Data Science

Aprender los conceptos clave

Curso Completo de Machine Learning con Scikit-learn para Principiantes

Tipos de Aprendizaje en Machine Learning: Supervisado, No Supervisado y por Refuerzo

Problemas de Clasificación, Regresión y Clustering con Scikit-learn

Fundamentos Matemáticos para Machine Learning Avanzado

Iniciar un proyecto con sklearn

Configuración Profesional de Entorno de Trabajo para Python

Instalación y configuración de librerías para Python

Análisis de Datos para el Bienestar y la Felicidad Humana

Optimización de features

Selección de Variables en Modelos de Aprendizaje Automático

Reducción de Dimensionalidad con Análisis de Componentes Principales

Reducción de Dimensionalidad y Regresión Logística con Python

Clasificación de Enfermedad Cardiaca con PCA y Regresión Logística

Funciones Kernel en la Clasificación de Datos Complejos

Regularización en Modelos de Machine Learning

Implementación de Regularización en Modelos de Regresión Lineal

Análisis de Resultados en Modelos de Regresión Ridge y Lasso

Regularización ElasticNet con Scikit-learn: Conceptos y Aplicación

Regresiones robustas

Identificación de Valores Atípicos en Datos para Modelos Predictivos

Técnicas de Regresión Robusta: RANSAC y Huber en Scikit-Learn

Regresión Lineal y Soporte Vectorial: Manejo de Datos Atípicos

Automatización de Modelos de Predicción en Python

Métodos de ensamble aplicados a clasificación

Métodos de Ensamble: Bagging y Boosting en Machine Learning

Implementación de Bagging Classifier con SAIC en Análisis Cardiaco

Métodos de Ensamble para Mejorar Clasificación en Machine Learning

Implementación de Gradient Boosting para Clasificación de Datos

Clustering

Agrupamiento de Datos en Aprendizaje No Supervisado

Agrupamiento de Caramelos con K-Means y Pandas

Agrupamiento de Datos con Algoritmo Mean Shift

Optimización paramétrica

Validación Cruzada en Modelos de Machine Learning

Validación Cruzada con Scikit-learn: Cruz Vales Cor y KFold

Optimización de Modelos con Búsqueda en Grilla y Aleatoria

Automatización de Parámetros en Modelos de Regresión con Random Forest

Optimización Automática de Modelos con Auto-sklearn

Salida a producción

Estructuración Modular de Código Python para Machine Learning

Automatización de Modelos Machine Learning con Python

Publicación de Modelos de IA con Flask y Python

Optimización de Modelos de Machine Learning para Producción

Recursos para Aprender Machine Learning y Data Science