Aprendizaje de Máquina | Python | Machine Learning | Aprendizaje Automático
5.0
(2)
30 learners
What you'll learn
This course includes
- 28 hours of video
- Certificate of completion
- Access on mobile and TV
Course content
1 modules • 77 lessons • 28 hours of video
Aprendizaje de Máquina | Python | Machine Learning | Aprendizaje Automático
77 lessons
• 28 hours
Aprendizaje de Máquina | Python | Machine Learning | Aprendizaje Automático
77 lessons
• 28 hours
- Escalamiento, Normalización y Estandarización de Datos con Python para Ciencia de Datos30:36
- Codifica datos categóricos nominales para Machine Learning y Ciencia de Datos con Python19:19
- Por qué y cómo codificar datos Categóricos Ordinales usando Python con sklearn y pandas36:33
- 3 Razones para Discretizar Datos Numéricos y Cómo Discretizar con Pandas de Python16:55
- Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python22:59
- Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python26:10
- Curso de Inteligencia Artificial (IA) y Machine Learning con Python01:40
- Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning01:03:59
- Perceptrón Paso a Paso con Python: La Base de las Redes Neuronales Artificiales de Machine Learning42:06
- Una métrica esencial para clasificadores: Área Bajo la Curva ROC (Receiver Operating Characteristic)23:11
- Árboles de Decisión (decision trees) usando Entropía con Python41:51
- Random Forest (Bosque Aleatorio) para Clasificación con Python42:15
- Identifica Clusters con DBSCAN: Algoritmo paso a paso e implementación con Python16:07
- Optimiza tus Modelos de Machine Learning ajustando Hiperparámetros con Python38:03
- Qué son y cómo crear Meta-Clasificadores o Meta-Regresores: Bagging en Machine Learning con Python24:27
- 3 Tipos de Distancias para Técnicas de Clustering con Python: Euclidiana, Chebyshev y Manhattan15:26
- Cómo crear Clasificadores de Machine Learning ante Clases Desbalanceadas asignando Pesos con Python28:08
- K-Vecinos Más Cercanos (KNN) para Regresión con Python23:22
- Detección de Datos Anómalos (outliers) con Bosques de Aislamiento (iForests) y Python18:44
- Cross-validation (o Validación Cruzada) para Evaluar Modelos de Machine Learning con Python23:30
- K-means (o K-medias) para detección de Clusters: Algoritmo e implementación con Python31:58
- Qué es la Impureza GINI y por qué es tan relevante: Implementación paso a paso con Python23:34
- Regresión Logística con Python43:37
- Conoce la Maldición de la Dimensionalidad que afecta a Machine Learning y a la Ciencia de Datos10:18
- Datos de Entrenamiento, Validación y Prueba: ¿Cómo crearlos y qué objetivos tienen? Machine Learning27:40
- K-Vecinos Más Cercanos (KNN) para Clasificación con Python29:47
- Regresión Lineal con Python18:46
- Detecta Clusters con Propagación de Afinidad (Affinity Propagation): Algoritmo paso a paso en Python42:21
- Qué es y cómo Analizar Datos con la Matriz de Covarianza: Un caso práctico con Python36:52
- Métricas para Clasificadores de Machine Learning ➤ Matriz de Confusión Precision Accuracy Recall F129:18
- Diferencias y Similitudes entre la Inteligencia Artificial y el Machine Learning05:23
- ¿Qué técnica de Machine Learning debes utilizar? Supervisado vs NO Supervisado11:28
- Diferencias clave entre la Regresión y la Clasificación en Machine Learning08:02
- Potencializa la utilidad de tus datos con BootStrapping usando Python16:07
- Entendiendo la Entropía en Machine Learning y Ciencia de Datos con Python16:23
- Identifica Patrones y extrae Reglas de Asociación con el Algoritmo APRIORI usando Python28:21
- ¿Qué tan buenos son tus Clusters? Métricas para Clustering con Python: Silueta y Davies Bouldin33:01
- Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python16:59
- Ni muy muy, Ni tan tan: Subajuste y Sobreajuste (under- & overfitting) - Machine Learning con Python20:34
- Qué es y para qué se usa la Información Mutua: Una explicación paso a paso con Python28:44
- Qué es la Ciencia de Datos (o Data Science): EL ORIGEN14:43
- Qué es Deep Learning (o Aprendizaje Profundo): De la Neurona Biológica a la Red Neuronal Artificial17:51
- ¿No tienes datos? ¡Auméntalos! Introducción a la Aumentación de Datos (Data Augmentation) con Python11:27
- BACKPROPAGATION: Cómo Aprende Matemáticamente una Red Neuronal Artificial Paso a Paso con Python01:17:50
- La Muerte de las Neuronas: Problema del Desvanecimiento del Gradiente en Redes Neuronales Profundas31:42
- Matemáticas Esenciales para Dominar Machine Learning y Deep Learning16:06
- Funciones de Activación de Redes Neuronales: Sigmoide, ReLU, ELU, Tangente hiperbólica, Softplus y ➕25:19
- Desmitificando las Funciones de Pérdida o Error: Fundamentos de Deep Learning24:01
- Tu primera Red Neuronal para Clasificar Imágenes con Python y TensorFlow: Perceptrón Multicapa MLP42:36
- Descifrando el Misterio: Redes Neuronales Convolucionales (CNNs) con Python y Tensorflow41:48
- Qué es el Teorema de Aproximación UNIVERSAL y por qué es tan importante para las Redes Neuronales08:02
- ¿Qué es el Gradiente y por qué es importante en Machine Learning?11:38
- ¿Qué es el Procesamiento de Lenguaje Natural o NLP? De palabras a vectores hasta ChatGPT y Gemini20:39
- ¿Vale la pena estudiar una Licenciatura o Posgrado en Inteligencia Artificial (IA)?05:08
- Clustering: El Análisis de Agrupamientos, Cúmulos o Conglomerados de Machine Learning y Data Science08:38
- Qué es la Similitud Coseno: Usos Prácticos en Machine Learning con Python12:36
- ¿Hay un Algoritmo de Machine Learning Mejor a Todos?: El Teorema de No Hay Almuerzo Gratis11:33
- Word2Vec: Red Neuronal para habilitar el 'Razonamiento' en IA - De Palabras a Vectores30:15
- Clustering Jerárquico: ¡Crea Dendrogramas y Detecta Clusters como un Profesional con Python!33:21
- Lematización y Stemming: Técnicas Clave para Analizar y Procesar Texto con Python07:37
- Predicción Conformal: Confianza Estadística en Machine Learning05:27
- ¿Qué puede Aprender una Red Neuronal sobre los Simpsons? Word2Vec + Python21:39
- N-gramas: Procesamiento de Lenguaje Natural con Python09:56
- TF-IDF: Vectorización de Documentos para NLP con Python22:58
- Kappa de Fleiss: La Clave para Validar el Etiquetado de Datos en Machine Learning21:03
- Ingeniería en Inteligencia Artificial, Ciencia de Datos o Computación: ¿Qué estudio?09:19
- Autoencoders: Una Red Neuronal que Codifica y Reconstruye Datos en Python17:04
- Redes Neuronales en IA: Conceptos Clave para Principiantes11:50
- Interpretabilidad en Machine Learning: Importancia de Variables por Permutación con Python07:02
- La Trampa Oculta que Sabotea tu Modelo de Machine Learning: FUGA DE DATOS08:48
- ¿Tu modelo predictivo falla? Probablemente sea por esto: Valores atípicos (outliers)02:04
- Sesgo, Varianza y Ruido Irreducible: El Error de Generalización en Machine Learning03:53
- Cómo aprender IA Avanzada — y casi cualquier cosa — con la ayuda de ChatGPT04:16
- Las Mejores Métricas para Evaluar Modelos de Regresión con Scikit-Learn: R2, MSE, RMSE, MAE y otras20:49
- Fuentes de Datos que todo Científico de Datos debe conocer: Kaggle y más25:48
- Generative Adversarial Networks (GANs) / Redes Generativas Adversarias: Deep Learning02:54
- Introducción a Machine Learning / Aprendizaje de Máquina / Aprendizaje Automático12:39
![[GRATIS] 🎖🌟CURSO SEO y posicionamiento web en Buscadores Completo 2019 2020](https://i.ytimg.com/vi/elrQKE-fXfc/hqdefault.jpg)
