¡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(12)
89 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
• 75 lessons
• 27.5 hours of video
Máster en IA y Machine Learning con Python
75 lessons
• 27.5 hours
▶
Escalamiento, Normalización y Estandarización de Datos con Python para Ciencia de Datos30:35
Codifica datos categóricos nominales para Machine Learning y Ciencia de Datos con Python19:18
Imputación (o Manejo de Datos Faltantes) con Python23:33
Por qué y cómo codificar datos Categóricos Ordinales usando Python con sklearn y pandas36:32
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 Python22:58
Análisis de Componentes Principales (PCA) para Reducir la Dimensionalidad de Datos usando Python26:09
Curso de Inteligencia Artificial (IA) y Machine Learning con Python01:39
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 Learning42:05
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 Python24:26
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 Python28:07
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 Python31:57
Qué es la Impureza GINI y por qué es tan relevante: Implementación paso a paso con Python23:33
Regresión Logística con Python43:36
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 Python18:45
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 Python36:51
Métricas para Clasificadores de Machine Learning ➤ Matriz de Confusión Precision Accuracy Recall F129:17
Diferencias y Similitudes entre la Inteligencia Artificial y el Machine Learning05:23
¿Qué técnica de Machine Learning debes utilizar? Supervisado vs NO Supervisado11:27
Diferencias clave entre la Regresión y la Clasificación en Machine Learning08:01
Potencializa la utilidad de tus datos con BootStrapping usando Python16:07
Entendiendo la Entropía en Machine Learning y Ciencia de Datos con Python16:22
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 Bouldin33:00
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 Python20:33
Qué es y para qué se usa la Información Mutua: Una explicación paso a paso con Python28:43
Qué es la Ciencia de Datos (o Data Science): EL ORIGEN14:42
Mide la "DISTANCIA" entre dos Distribuciones con la Divergencia Kullback-Leibler (KL) usando Python22:18
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 Python11:26
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 Profundas31:41
Matemáticas Esenciales para Dominar Machine Learning y Deep Learning16:05
Funciones de Activación de Redes Neuronales: Sigmoide, ReLU, ELU, Tangente hiperbólica, Softplus y ➕25:18
Desmitificando las Funciones de Pérdida o Error: Fundamentos de Deep Learning24:00
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 Tensorflow41:47
Qué es el Teorema de Aproximación UNIVERSAL y por qué es tan importante para las Redes Neuronales08:01
¿Qué es el Gradiente y por qué es importante en Machine Learning?11:37
¿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 Science08:37
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!33:20
Lematización y Stemming: Técnicas Clave para Analizar y Procesar Texto con Python07:36
Predicción Conformal: Confianza Estadística en Machine Learning05:27
¿Qué puede Aprender una Red Neuronal sobre los Simpsons? Word2Vec + Python21:38
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 Learning21:02
Ingeniería en Inteligencia Artificial, Ciencia de Datos o Computación: ¿Qué estudio?09:18
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
