Curso Fundamentos de Inteligencia Artificial y Machine Learning: 01 Intro
4.0
(0)
6 learners
What you'll learn
This course includes
- 2.5 hours of video
- Certificate of completion
- Access on mobile and TV
Course content
1 modules • 34 lessons • 2.5 hours of video
Curso Fundamentos de Inteligencia Artificial y Machine Learning: 01 Intro
34 lessons
• 2.5 hours
Curso Fundamentos de Inteligencia Artificial y Machine Learning: 01 Intro
34 lessons
• 2.5 hours
- Curso Fundamentos de Inteligencia Artificial y Machine Learning 02:54
- 02. Diferencias IA, Machine Learning y Deep Learning: Curso de Fundamentos de IA y Machine Learning 04:16
- 03. Pasos de creación de algoritmos de ML: Curso Fundamentos de IA y Machine Learning 03:53
- 04.Instalación Anaconda Framework: Curso Fundamentos de Inteligencia Artificial y Machine Learning 02:17
- 05 .Que es Supervised Learning (Aprendizaje Supervisado) 03:36
- 06. Overfitting y Undefitting: Tipos de Supervised Learning 02:24
- 07.Explicación Librerías: Numpy, Pandas, Matplotlib 07:41
- 08.Algoritmo k Nearest Neighbor KNN: Algoritmo vecinos mas cercanos 02:06
- 09.Entrenamiento del modelo KNN 07:46
- 10 .Evaluación Modelo KNN 05:45
- 11. Teorema de Bayes: Explicacion 09:47
- 12.Algoritmo de Clasificación Naive Bayes 05:25
- 13.Obtener DataSet con NLKT: Algoritmo Naive bayes 07:01
- 14.Cómo Procesar Tweets con IA: Guía de Términos Clave en NLP, Lenguaje de Procesamiento Natural 10:57
- 15.Obtener Frecuencias en el Lenguaje de Procesamineto Natural (NLP), Explicacion Procesar Tweets 07:26
- 16.Naive Bayes Ejemplo Practico de Predicción 04:50
- 17.Introducción Modelos Lineales: Supervised Learning - Regression 02:07
- 18. Regresión Lineal: Qué es y Cómo Usarla en tus Proyectos de IA 09:53
- 19. Análisis Exploratorio de Datos (EDA): Cómo Descubrir Insights Ocultos con IA 06:07
- 20. Análisis Exploratorio de Datos (EDA) y Visualización: Convierte Información en Gráficos 06:30
- 21. Predicción Antes de la Estandarización de Datos: Qué Ocurre Antes de Normalizar tus Modelos? 05:09
- 22. ¿Qué es la Estandarización de Datos y Por Qué Es Clave para Modelos Predictivos? 03:28
- 23. Standard Scaler: Un tipo de Estandarizacion y Optimizar tus Datos para Mejores Resultados en IA 03:43
- 24. Regularización con Ridge Regression: Mejora la Precisión de tus Modelos de IA 04:30
- 25. Regularización en Ridge Regression: Estrategias para Evitar el Sobreajuste en Modelos de IA 02:12
- 26. Regresión Logística: La Clave para Predicciones de Clases en IA 04:11
- 27. Función de Costo en Regresión Logística: Optimiza tus Modelos de Clasificación (Cost Function) 03:46
- 28. Implementación de Regresión Logística con Scikit-Learn: Pasos para Construir Modelos 05:49
- 29. Evaluación de Modelos: Matriz de Confusión Explicacion 06:07
- 30. ¿Qué es el Aprendizaje No Supervisado? Unsupervised learning 03:48
- 31.Clustering: Algoritmos de Agrupamiento en Aprendizaje No Supervisado 01:44
- 32.K-Means Clustering con Sklearn: Unsupervised learning 10:39
- 33.K-Means Inertia: Cómo Encontrar el Número Correcto de Clusters 04:29
- 34.Evaluación de K-Means Clustering: Cómo Medir el Rendimiento de tus Agrupamientos 03:19
Take this course with you
Download the app to continue lessons from your phone anytime.
