Auto-reproducción
Autocompletar
Lección Previa
Lección Siguiente
Experto en Machine Learning con Python
MODULO 1: INTRODUCCIÓN AL MACHINE LEARNING
1.1 ¿Qué es el Machine Learning? (3:00)
1.2 Machine Learning, Inteligencia Artificial y Deep Learning (3:32)
1.3 Tipos de Machine Learning (3:50)
MODULO 2: INTRODUCCIÓN A PYTHON
2.1 Instalación Python + Jupyter (8:54)
2.2 Conceptos básicos de Python (15:31)
2.3 Introducción a las librerías: Numpy (9:30)
2.4 Introducción a las librerías: Pandas (12:43)
2.5 Introducción a las librerías: Matplotlib (8:01)
2.6 Librería Machine Learning Scikit-Learn (5:11)
MODULO 3: MACHINE LEARNING – CLASIFICACIÓN
3.1 ¿Qué es y qué problemas resuelven un modelo de CLASIFICACIÓN? (2:31)
3.2 Algoritmos Machine Learning para CLASIFICACIÓN (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN) (12:31)
3.3 Explicación paso a paso con Scikit-Learn – Caso Práctico Clasificación (13:24)
3.4 Ejercicio (10:10)
MODULO 4: MACHINE LEARNING – REGRESIÓN
4.1 ¿Qué es y qué problemas resuelven un modelo de REGRESIÓN? (1:55)
4.2 Algoritmo Machine Learning Regresión Lineal (4:44)
4.3 Explicación paso a paso con Scikit-Learn – Caso Práctico REGRESIÓN (6:55)
MODULO 5: MACHINE LEARNING – CLUSTERING
5.1 ¿Qué es y qué problemas resuelven un modelo de CLUSTERING? (1:28)
5.2 Algoritmo Machine Learning K-Means (3:40)
5.3 Explicación paso a paso con Scikit-Learn – Caso Práctico CLUSTERING (8:01)
MODULO 6: MACHINE LEARNING – REGLAS DE ASOCIACIÓN
6.1 ¿Qué es y qué problemas resuelven un modelo de REGLAS DE ASOCIACIÓN? (5:30)
6.2 Algoritmo Reglas de Asociación – “Apriori” (2:40)
6.3 Explicación paso a paso – Caso Práctico Reglas de Asociación (7:54)
MODULO 7: Conclusiones
7.1 Conclusiones (1:37)
Test de conocimientos
Test de conocimientos Machine Learning con Python
2.3 Introducción a las librerías: Numpy
Inicio de Sesión
Usuario Registrado
Registro Acceso Total
Registro Acceso Gratuito