Curso de machine learning 2026 - Curso ML 2026 #13 | Entrenamiento de modelos en Scikit-Learn

En este live vamos a construir nuestro primer modelo de Machine Learning usando regresión lineal con Scikit-Learn y entender qué tan bien (o mal) está funcionando en la práctica. Partiremos desde un pipeline ya preparado, entrenaremos el modelo y analizaremos sus predicciones comparándolas con los valores reales para ver qué tan lejos estamos. Luego entraremos en una parte clave: cómo evaluar correctamente un modelo usando métricas como el RMSE, entendiendo qué significa realmente ese error en el contexto del problema. A partir de ahí veremos un caso muy común en proyectos reales: el underfitting, cuando el modelo es demasiado simple y no logra capturar bien los patrones de los datos. Para contrastar, probaremos un modelo más complejo como DecisionTreeRegressor y veremos cómo puede ajustarse perfectamente a los datos… pero ahí aparece otro problema importante: el overfitting. Este es uno de los conceptos más críticos en Machine Learning y lo vamos a explicar de forma clara con este ejemplo. La idea de este live es que entiendas no solo cómo entrenar modelos, sino cómo interpretarlos, detectar problemas y tomar mejores decisiones al momento de mejorar su rendimiento. Material de apoyo: Leer los siguientes temas del capitulo 2 del libro Hands-On Machine Learning with Scikit-Learn and PyTorch - Aurélien Géron * Select and Train a Model - Train and Evaluate on the Training Set 🔗 Suscripciones 👉 https://www.youtube.com/channel/UCpqqJGMaVEmyinn1J-DhnYg/join 💬 Discord 👉 https://discord.com/users/pildorasdeprogramacion 📸 Instagram 👉 https://www.instagram.com/pildoras_de_programacion/ 🎵 TikTok 👉 https://www.tiktok.com/@pil_programacion?lang=en 📘 Facebook 👉 https://www.facebook.com/pilprogramacion 📺 YouTube 👉 https://www.youtube.com/@pildorasdeprogramacion 🔔 ¡Suscríbete y activa la campanita para no perderte futuros lives! 🔴 ¡Nos vemos en el live! 🚀🐳