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
3.2 Algoritmos Machine Learning para CLASIFICACIÓN (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN)
Inicio de Sesión
Usuario Registrado
Registro Acceso Total
Registro Acceso Gratuito