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.
-
Andreas Lloyd
Estas empresas ya confían en nosotros
Lo que aprenderás en esta ruta:
- 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 de la ruta
Cursos de esta ruta
Te recomendamos que sigas los cursos en el siguiente orden
1. Curso de Machine Learning no supervisado en Python
En este curso aprenderás a utilizar scikit-learn y otras librerías para aplicar varias técnicas de aprendizaje no supervisado en diferentes ámbitos y para diferentes usos.
2. Curso de Machine Learning supervisado con Scikit-learn
En este curso vamos a explorar la librería de scikit-learn para ejecutar todo el flujo del entrenamiento y optimización de modelos de machine learning para el aprendizaje supervisado.
3. Machine Learning con clasificadores lineales en Python
En este taller aprenderás que los clasificadores lineales tienen diversos beneficios para afrontar problemas de clasificación y vamos a ver cómo crear estos modelos y explotar los beneficios.
4. 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 taller aprenderás cómo se puede aprovechar estos tipos de modelos y cómo evitar el problema de overtrain…
5. 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…
Dudas frecuentes
¿Qué precio tiene la ruta?
¿Tengo que hacer todas las formaciones de esta ruta?
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.
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.
