Aprende a organizar los datos para entrenar un modelo de Machine Learning supervisado y evaluar su rendimiento.
El Machine Learning es una rama dentro de la IA cuya finalidad es hacer que las computadoras tengan la capacidad de aprender por sí solas para detectar patrones en los datos y hacer predicciones. En este curso aprenderás cómo funciona el Machine Learning a través de sus tres etapas: obtener los datos, crear los modelos de aprendizaje y la evaluación de este modelo. Al finalizar el curso crearás tu propio modelo de Machine Learning con Scikit-Learn y Python, usarás datos de las copas de fútbol para predecir los resultados de los próximos encuentros.
Si quieres entrar al mundo del Machine Learning comienza gratis este curso hoy mismo. Solo necesitas registrarte en EDteam.
Muy buena explicación, clara y concisa, de los términos a tratar de Machine Learning y sus técnicas. Excelente curso!
Excelente curso, me encantó la profesora, que bien expresa el contenido, gracias ED Team.
Excelente curso, lo aprendido ha sido de gran ayuda. Muchas gracias.
Gran curso impartido, el profesor explica bien, aprendí mucho.
Muy buen curso como introducción, pero hay mucho contenido que se repite con el curso de Introducción al Análisis de datos con R e Introducción a Inteligencia Artificial. A la espera de cursos más avanzados de machine learning.
@leslyzernaVer perfil
Obtén acceso de por vida solo a este curso
Obtén acceso a todos los cursos, rutas y escuelas de EDteam
En este módulo de introducción repasamos conceptos básicos de Machine Learning, además de configurar nuestro espacio de trabajo y aprender sobre las diferentes aplicaciones de Machine Learning.
Los datos con los que se entrenará un modelo de Machine Learning, son super importantes, y aunque podemos encontrar datos en todo lado en nuestro mundo actual, es importante conocer técnicas de limpieza de datos y qué tipo de trabajo tienen los científicos de datos.
Machine Learning es un área de estudio bastante amplia. En este módulo aprenderemos de sus dos tipos de clasificación que son Machine Learning Supervisado y No Supervisado además de conocer algunas librerías y frameworks que nos facilitan el trabajo de diseñar y codificar nuestro algoritmo para Machine Learning supervisado.
Una vez definido un modelo de Machine Learning y entrenado con los datos, es hora de evaluar su rendimiento, en este módulo aprenderemos sobre diferentes técnicas para evaluar un modelo de Machine Learning supervisado.
En este módulo, repasamos todo lo aprendido sobre el proceso de trabajar con Machine Learning con un proyecto práctico realizado en python.
Mostrar precios en
*Incluye todos los beneficios por comprar el curso
