Reducción de dimensionalidad para Machine Learning en Python
La reducción de dimensionalidad es clave para la construcción de modelos de Machine Learning en contextos de muchas dimensiones. En este taller utilizaremos estas técnicas para mejorar el análisis de un problema concreto y a posterior el entrenamiento de un modelo básico.
Impartido por:
Lo que aprenderás en este curso:
- 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 del curso
Para la realización de este taller es necesario tener conocimientos sobre conceptos básicos de análisis de datos en Python utilizando Pandas
Valoraciones de estudiantes:
Contenido del curso:
-
-
Reducción de dimensionalidad para Machine Learning en Python47m
-
Te dejamos una selección de cursos, carreras y artículos
Machine Learning con modelos basados en árboles en Python
Los modelos de Machine Learning basados en árboles no solo son muy poderosos, son además robustos frente a una gran variedad de adversidades. En este …
Curso de Machine Learning supervisado con Scikit-learn
En este curso exploraremos la librería de scikit-learn para ejecutar todo el flujo del entrenamiento y optimización de modelos de machine learning para el aprendizaje …
Dudas frecuentes
¿Cuál es el precio?
En OpenWebinars no vendemos formaciones.
Tenemos diferentes tipos de suscripciones, que te dará acceso completo a todas las formaciones de la plataforma y a las nuevas que vamos lanzando, siempre y cuando tu suscripción esté activa (como Spotify con la música o Netflix con las películas y series).
¿Eres una empresa? Tenemos planes especiales para ti. Consúltanos aquí.
¿Cuándo comienza el taller?
En OpenWebinars ni los cursos ni los talleres tienen fecha de inicio o final.
Cada taller tiene una fecha de publicación y desde ese día lo tienes 100% disponible si estás suscrito a alguno de nuestros planes.
