Inteligencia Artificial y Machine Learning | Python
¡Domina la Inteligencia Artificial y Machine Learning con Python! Aprende desde los fundamentos hasta técnicas avanzadas, optimiza modelos, identifica patrones y sácale provecho a tus datos con Código Máquina. ¡Conviértete en un experto en IA hoy!
5.0
(1)
14 learners
What you'll learn
- Desarrollar habilidades para implementar modelos de Machine Learning usando Python.
- Analizar y optimizar algoritmos de redes neuronales artificiales paso a paso.
- Evaluar modelos de clasificación mediante métricas como precisión y área bajo la curva ROC.
- Aplicar técnicas avanzadas de procesamiento de datos, como imputación y normalización.
This course includes
- 27.5 hours of video
- Certificate of completion
- Access on mobile and TV
Course content
1 modules • 58 lessons • 27.5 hours of video
Máster en IA y Machine Learning con Python
58 lessons
• 22.5 hours
Máster en IA y Machine Learning con Python
58 lessons
• 22.5 hours
- Codifica datos categóricos nominales para Machine Learning y Ciencia de Datos con Python 19:19
- Imputación (o Manejo de Datos Faltantes) con Python 23:33
- Por qué y cómo codificar datos Categóricos Ordinales usando Python con sklearn y pandas 36:33
- 3 Razones para Discretizar Datos Numéricos y Cómo Discretizar con Pandas de Python 16:55
- Descubre cómo manejar Datos ó Valores Faltantes Imputando con K-Vecinos más cercanos (KNN) y Python 22:59
- Gradiente Descendente Paso a Paso con Python: Un Algoritmo de Optimización para Machine Learning 01:03:59
- Perceptrón Paso a Paso con Python: La Base de las Redes Neuronales Artificiales de Machine Learning 42:06
- Una métrica esencial para clasificadores: Área Bajo la Curva ROC (Receiver Operating Characteristic) 23:11
- Árboles de Decisión (decision trees) usando Entropía con Python 41:51
- Random Forest (Bosque Aleatorio) para Clasificación con Python 42:15
- Optimiza tus Modelos de Machine Learning ajustando Hiperparámetros con Python 38:03
- Qué son y cómo crear Meta-Clasificadores o Meta-Regresores: Bagging en Machine Learning con Python 24:27
- Cómo crear Clasificadores de Machine Learning ante Clases Desbalanceadas asignando Pesos con Python 28:08
- K-Vecinos Más Cercanos (KNN) para Regresión con Python 23:22
- Cross-validation (o Validación Cruzada) para Evaluar Modelos de Machine Learning con Python 23:30
- Qué es la Impureza GINI y por qué es tan relevante: Implementación paso a paso con Python 23:34
- Regresión Logística con Python 43:37
- Conoce la Maldición de la Dimensionalidad que afecta a Machine Learning y a la Ciencia de Datos 10:18
- Datos de Entrenamiento, Validación y Prueba: ¿Cómo crearlos y qué objetivos tienen? Machine Learning 27:40
- K-Vecinos Más Cercanos (KNN) para Clasificación con Python 29:47
- Regresión Lineal con Python 18:46
- Qué es y cómo Analizar Datos con la Matriz de Covarianza: Un caso práctico con Python 36:52
- Métricas para Clasificadores de Machine Learning ➤ Matriz de Confusión Precision Accuracy Recall F1 29:18
- Diferencias clave entre la Regresión y la Clasificación en Machine Learning 08:02
- Potencializa la utilidad de tus datos con BootStrapping usando Python 16:07
- Entendiendo la Entropía en Machine Learning y Ciencia de Datos con Python 16:23
- Qué son los Datos Desbalanceados y Cómo balancearlos usando Submuestreo y Sobremuestreo con Python 16:59
- Ni muy muy, Ni tan tan: Subajuste y Sobreajuste (under- & overfitting) - Machine Learning con Python 20:34
- Qué es y para qué se usa la Información Mutua: Una explicación paso a paso con Python 28:44
- Qué es la Ciencia de Datos (o Data Science): EL ORIGEN 14:43
- Mide la "DISTANCIA" entre dos Distribuciones con la Divergencia Kullback-Leibler (KL) usando Python 22:19
- Qué es Deep Learning (o Aprendizaje Profundo): De la Neurona Biológica a la Red Neuronal Artificial 17:51
- ¿No tienes datos? ¡Auméntalos! Introducción a la Aumentación de Datos (Data Augmentation) con Python 11:27
- BACKPROPAGATION: Cómo Aprende Matemáticamente una Red Neuronal Artificial Paso a Paso con Python 01:17:50
- La Muerte de las Neuronas: Problema del Desvanecimiento del Gradiente en Redes Neuronales Profundas 31:42
- Matemáticas Esenciales para Dominar Machine Learning y Deep Learning 16:06
- 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 Learning 24:01
- Tu primera Red Neuronal para Clasificar Imágenes con Python y TensorFlow: Perceptrón Multicapa MLP 42:36
- Descifrando el Misterio: Redes Neuronales Convolucionales (CNNs) con Python y Tensorflow 41:48
- Qué es el Teorema de Aproximación UNIVERSAL y por qué es tan importante para las Redes Neuronales 08:02
- ¿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 Gemini 20:39
- Qué es la Similitud Coseno: Usos Prácticos en Machine Learning con Python 12:36
- ¿Hay un Algoritmo de Machine Learning Mejor a Todos?: El Teorema de No Hay Almuerzo Gratis 11:33
- Word2Vec: Red Neuronal para habilitar el 'Razonamiento' en IA - De Palabras a Vectores 30:15
- Lematización y Stemming: Técnicas Clave para Analizar y Procesar Texto con Python 07:37
- Predicción Conformal: Confianza Estadística en Machine Learning 05:27
- ¿Qué puede Aprender una Red Neuronal sobre los Simpsons? Word2Vec + Python 21:39
- N-gramas: Procesamiento de Lenguaje Natural con Python 09:56
- TF-IDF: Vectorización de Documentos para NLP con Python 22:58
- Kappa de Fleiss: La Clave para Validar el Etiquetado de Datos en Machine Learning 21:03
- Autoencoders: Una Red Neuronal que Codifica y Reconstruye Datos en Python 17:04
- Redes Neuronales en IA: Conceptos Clave para Principiantes 11:50
- Interpretabilidad en Machine Learning: Importancia de Variables por Permutación con Python 07:02
- La Trampa Oculta que Sabotea tu Modelo de Machine Learning: FUGA DE DATOS 08:48
- ¿Tu modelo predictivo falla? Probablemente sea por esto: Valores atípicos (outliers) 02:04
- Sesgo, Varianza y Ruido Irreducible: El Error de Generalización en Machine Learning 03:53
Related learning topics
Take this course with you
Download the app to continue lessons from your phone anytime.
