Dominando Python: Aprendizaje Supervisado con Machine Learning
Curso
4 h. y 37 min.
4.5
Python
Python aplicado a Machine Learning
Realizando esta lista aprenderás a utilizar herramientas de Python para trabajar con modelos de Machine Learning, y de esta forma aplicar técnicas de optimización para poder sacarles el máximo partido.
Contenidos de la ruta de aprendizaje
5 Cursos · 12 h. y 6 min. en totalDominio de Machine Learning No Supervisado con Python
Curso
4 h. y 56 min.
4.4
Machine Learning con clasificadores lineales en Python
Taller
53 min.
4.3
Machine Learning con modelos basados en árboles en Python
Taller
51 min.
4.6
Reducción de dimensionalidad para Machine Learning en Python
Taller
47 min.
4.4
La metodología y plataforma de formación que se adapta al tamaño y ritmo de tu empresa.
Habilidades que obtendrás
- Utilizar la librería scikit-learn para aprendizaje supervisado y no-supervisado y entender cómo superar las limitaciones.
- Entrenar modelos de clusterizacion.
- Utilizar técnicas de reducción de dimensionalidad.
- Evaluación de modelos no supervisados.
- Interpretación de los resultados de los modelos no supervisados.
- Evaluación de los modelos entrenados.
- Optimización de los modelos entrenados.
- Consumir datos para el entrenamiento de modelos de machine learning.
- Entrenar diferentes modelos de machine learning supervisado.
- Utilizar “pipelines” para el procesamiento de datos.
- El funcionamiento básico de la librería de statsmodels.
- Entrenamiento de una regresión logística.
- Analizar y mejorar los resultados de las regresiones logísticas.
- Crear Pipelines de Sklearn para el entrenamiento de un modelo de Machine Learning.
- Entrenar modelos de árboles de decision, random forest y xgboost.
- Técnicas para reducir el overtraining con estos modelos.
- Identificar cuando hace falta emplear reducción de dimensionalidad.
- Técnicas simples para reducir las dimensiones.
- Utilizar PCA para reducir dimensiones.
- Utilizar TSNE para reducir dimensiones.
- Aprovechar las dimensiones reducidas para mejorar análisis y modelaje.
Requisitos mínimos
Es necesario tener conocimientos básicos de la teoría introductoria de machine learning y tener conocimientos sobre conceptos básicos de análisis de datos en Python utilizando Pandas.
Preguntas frecuentes
Resuelve tus dudas o contacta con nosotros para más información.
No es obligatorio, ya que puedes realizar únicamente las formaciones que te interesen.
No obstante, la ruta se ha creado con idea de guiar a los alumnos por el itinerario formativo más adecuado para llegar a cumplir los objetivos propuestos en ella.
Puedes comenzar la ruta, una vez hayas realizado la suscripción a nuestra plataforma, puedes ver los diferentes tipos de suscripción en nuestra página de precios.
Una de las ramas de la disciplina de la Inteligencia Artificial que tiene más demanda en el sector es la del llamado Machine Learning, con el que se consigue que las máquinas aprendan de manera automática mediante el desarrollo y la aplicación de algoritmos de aprendizaje.
En la actualidad, el lenguaje Python es uno de los que más recursos dispone para diseñar y desplegar modelos, entrenarlos, o desarrollar modelos de aprendizaje, como puede ser Scikit-Learn, lo que ha hecho prácticamente a este lenguaje un estándar en el mundo del ML.
Si quieres tomar contacto con el mundo del Machine Learning, con esta lista podrás empezar a conocer una tecnología en alza que tiene mucha demanda por empresas tecnológicas.
