- ¿Alguna pregunta?
- tel:954 55 68 17
Aprendizaje Automático
Aprende a construir modelos predictivos, aprendidos a partir del análisis de conjuntos de datos.
Gratis
Currículum
- 10 secciones
- 74 lecciones
- 9 semanas
Expandir todas las seccionesPlegar todas las secciones
- Tema 1. Introducción al aprendizaje automático4
- Tema 2. Aprendizaje basado en instancias5
- Tema 3: Modelos lineales para regresión6
- 4.13.1 Introducción a los modelos lineales para regresión y clasificación30 minutos
- 4.13.2 Regresión lineal y funciones de coste30 minutos
- 4.13.3 Aprendizaje de modelos de regresión: descenso por el gradiente30 minutos
- 4.13.4 Sobreajuste y regularización30 minutos
- 4.13.5 Sesión con jupyter30 minutos
- 4.13.6 Entregable30 minutos
- Tema 4: Modelos lineales para clasificación12
- 5.14.1 El perceptrón30 minutos
- 5.14.2 Separabilidad lineal30 minutos
- 5.14.3 Aprendizaje en el perceptrón30 minutos
- 5.14.4 Regresión logística: interpretación probabilística30 minutos
- 5.14.5 Aprendizaje en regresión logística: minimización L_230 minutos
- 5.14.6 Aprendizaje en regresión logística: maximización L_230 minutos
- 5.14.7 Algunas cuestiones técnicas: mini batch, tasa de aprendizaje, inicialización,30 minutos
- 5.14.8 Clasificación multiclase30 minutos
- 5.14.9 Máquinas de vectores soporte30 minutos
- 5.14.10 Kernels en máquinas de vectores soporte30 minutos
- 5.14.11 Sesión con jupyter30 minutos
- 5.14.12 Entregable30 minutos
- Tema 5: Introducción a las redes neuronales4
- Tema 6: Modelos probabilisticos (Naive-Bayes)9
- 7.16.1 Fundamentos de probabilidad (I)30 minutos
- 7.16.2 Fundamentos de probabilidad (II)30 minutos
- 7.16.3 La regla de Bayes30 minutos
- 7.16.4 Clasificadores bayesianos: Naive Bayes30 minutos
- 7.16.5 Algunas cuestiones técnicas (suavizado, logaritmos)30 minutos
- 7.16.6 Naive Bayes: un ejemplo30 minutos
- 7.16.7 Aplicación a la clasificación de textos: Naive Bayes multinomial30 minutos
- 7.16.8 Sesión en jupyter30 minutos
- 7.16.9 Entregable30 minutos
- Tema 7: Árboles de decisión y ensemble learning11
- 8.17.1 Árboles de decisión30 minutos
- 8.17.2 Aprendizaje de árboles de decisión30 minutos
- 8.17.3 Criterios para separación30 minutos
- 8.17.4 Evitando el sobreajuste: prepoda y postpoda30 minutos
- 8.17.5 Sesión en jupyter30 minutos
- 8.17.6 Aprendizaje “ensemble”30 minutos
- 8.17.7 Random forests30 minutos
- 8.17.8 Sesión en jupyter30 minutos
- 8.17.9 Potenciación del gradiente (gradient boosting)30 minutos
- 8.17.10 Sesión en jupyter30 minutos
- 8.17.11 Entregable30 minutos
- Tema 8: Preprocesado e ingeniería de características8
- 9.18.1 Escalado30 minutos
- 9.18.2 Variables categóricas30 minutos
- 9.18.3 Discretizado30 minutos
- 9.18.4 Selección de características30 minutos
- 9.18.5 Análisis de componentes principales30 minutos
- 9.18.6 Factorización no negativa de matrices30 minutos
- 9.18.7 Sesión en jupyter30 minutos
- 9.18.8 Entregable30 minutos
- Tema 9: Evaluación de modelos11
- 10.19.1 Validación de modelos30 minutos
- 10.19.2 validación cruzada30 minutos
- 10.19.3 Optimización de hiperparámetros: grid search30 minutos
- 10.19.4 Sesión en jupyter30 minutos
- 10.19.5 Métricas de evaluación30 minutos
- 10.19.6 Precision-Recall30 minutos
- 10.19.7 Curvas PR y ROC30 minutos
- 10.19.8 Métricas para multiclase30 minutos
- 10.19.9 Métricas para regresión30 minutos
- 10.19.10 Sesión en jupyter30 minutos
- 10.19.11 Entregable30 minutos
- Tema 10: Integración y desarrollo de una aplicación de aprendizaje automático. Casos de empresa4
Este contenido está protegido, ¡por favor acceder y inscribirse en el curso para ver este contenido!