Machine Learning. Curso básico de Machine Learning

Aprende a usar Numpy, Pandas, Seaborn, Matplotlib, Plotly y Sckit-Learn con este curso de Machine Learning con Python
Free tutorial
Rating: 4.5 out of 5 (1,127 ratings)
22,558 students
Machine Learning. Curso básico de Machine Learning
Free tutorial
Rating: 4.5 out of 5 (1,127 ratings)
22,558 students
Usar Python para Machine Learning y Data Science
Implementar algoritmos de Machine Learning
Usar Scikit-learn, el módulo más utilizado para Machine Learning
Usar Plotly para hacer gráficos interactivos
Aprender Numpy para el procesamiento numérico
Aprender a usar Matplotlib para hacer gráficos con los datos
Aprender Regresión Lineal para Machine Learning
Aprender Regresión Logística para Machine Learning
Aprender Random Forest para Machine Learning
Aprender a contruir árboles de decisión para el aprendizaje de máquinas

Requirements

  • No hay requisitos para este curso
Description

Es un curso básico de Machine Learning en español, completamente práctico, donde todas las lecciones están explicadas mediante ejemplos, para que se puedan entender fácilmente.

Estos son los temas principales que se tratan en este curso de Machine Learning.

  • Configuración del entorno (instalación de Anaconda y Jupyter Notebook online)


  • Curso básico de Python (Números, cadenas, listas, diccionarios, tuplas, conjuntos, operadores, función range, map, filter, bucles for y while, y funciones lambda)


  • Módulo Numpy (Numpy con listas, funciones arange, ones, zeros, linspace, números aleatorios y arrays de 1 y 2 dimensiones)


  • Módulo Pandas (Series, Data Frames, selección de datos, modificación de filas, tratar valores nulos, agrupación por columnas, combinar Data Frames, Merge y Join en Data Frames, leer ficheros tipo excel, leer páginas web HTML, grabar Data Frames en tablas SQL y gráficos con pandas)


  • Módulo Matplotlib (gráficos, multigráficos, tamaño del gráfico, crear 2 gráficos en la misma figura, color del gráfico, tipo de línea y marcadores)


  • Módulo Seaborn (Gráficos de distribución, gráficos para columnas de tipo categoría, mapas de calor, gráficos de regresión, estilos y colores)


  • Módulos Plotly y Cufflinks (Gráficos interactivos)


  • Módulo sckit-learn (módulo de Machine Learning)


  • Regresión Lineal (algoritmo de Machine Learning)


  • Regresión Logística (algoritmo de Machine Learning)


  • Algoritmo de los k-vecinos más cercanos  (algoritmo de Machine Learning)


  • Algoritmo de árboles de decisión  (algoritmo de Machine Learning)


  • Algoritmo de Random Forest  (algoritmo de Machine Learning)


  • Algoritmo de máquinas de vectores de soporte  (algoritmo de Machine Learning)


  • Algoritmo de k-medias  (algoritmo de Machine Learning)


Aprenderás Machine Learning de forma práctica y sencilla, con videos cortos y más de 60 ejemplos !


Who this course is for:
  • Aquellos estudiantes interesados en aprender Python, Machine Learning y Data Science
Course content
16 sections • 103 lectures • 7h 5m total length
  • Introducción
    02:00
  • Instalación de Anaconda y Python
    04:36
  • Jupyter notebook online
    00:52
  • Jupyter con diferentes versiones de Python
    03:33
  • Números
    04:05
  • Cadenas de caracteres y formatos de impresión
    05:27
  • Listas
    04:06
  • Diccionarios
    01:50
  • Tipo boolean
    01:22
  • Tuplas
    00:58
  • Conjuntos
    02:16
  • Operadores de comparación
    03:33
  • Operadores condicionales if elif else
    05:08
  • Bucle FOR
    01:56
  • Bucle WHILE
    01:25
  • Función range
    02:02
  • Compresiones de listas
    03:19
  • Funciones
    05:12
  • Función MAP
    02:21
  • Función Lambda
    02:55
  • Funcion FILTER
    03:07
  • Funciones de cadenas de caracteres
    03:11
  • Ejercicio 1
    00:22
  • Solución al ejercicio 1
    01:57
  • Ejercicio 2
    00:39
  • Solución al ejercicio 2
    02:22
  • Ejercicio 3
    00:26
  • Solución al ejercicio 3
    02:10
  • Ejercicio 4
    00:28
  • Solución al ejercicio 4
    02:10
  • Introducción a Numpy
    01:04
  • Numpy con listas
    02:34
  • Funciones arange, ones, zeros y linspace
    06:44
  • Números aleatorios con Numpy
    02:11
  • Números enteros aleatorios con Numpy
    01:10
  • Cambio de tamaño
    02:13
  • Valor máximo y mínimo
    03:03
  • Arrays con 1 dimensión
    03:00
  • Arrays con 2 dimensiones
    04:40
  • Selección por condición
    03:51
  • Operaciones con arrays
    03:22
  • Ejercicio 1
    00:42
  • Solución al ejercicio 1
    02:13
  • Ejercicio 2
    00:30
  • Solución al ejercicio 2
    02:05
  • Introducción a Pandas
    00:43
  • Series
    07:45
  • Dataframes
    09:35
  • Selección de datos en Pandas
    06:42
  • Modificación de filas
    02:56
  • Tratar valores nuloss
    05:42
  • Agrupación por columna
    04:46
  • Combinar DataFrames
    04:04
  • Merge en DataFrames
    02:42
  • Join
    04:35
  • Operaciones con DataFrames
    07:56
  • Ficheros CSV, tipo EXCEL
    03:28
  • Leer páginas web HTML
    02:39
  • Grabar DataFrame en una tabla SQL
    04:11
  • Gráficos con Pandas
    07:11
  • Ejercicio 1
    00:44
  • Solución al ejercicio 1
    03:08
  • Ejercicio 2
    01:18
  • Solución al ejercicio 2
    06:36
  • Introducción a Matplotlib
    01:59
  • Ejemplos con matplotlib
    09:45
  • Multigráficos
    03:28
  • Tamaño del gráfico
    01:07
  • Crear 2 gráficos juntos
    03:24
  • Color del gráfico
    03:05
  • Tipo de línea del gráfico
    02:30
  • Marcadores
    02:29
  • Ejercicio 1
    01:02
  • Solución al ejercicio 1
    03:18
  • Introducción a Seaborn
    00:45
  • Gráficos de distribución
    12:54
  • Gráficos para columnas de tipo categoría
    06:49
  • Mapas de calor
    04:34
  • PairGrid y FacetGrid
    10:15
  • Gráficos de regresión
    08:01
  • Estilos y colores en Seaborn
    07:55
  • Introducción
    00:35
  • Ejemplos
    12:03
  • Introducción a Machine Learning o Aprendizaje de máquinas
    02:26
  • Módulo sckit-learn : Instalación y uso
    01:02
  • Introducción
    00:33
  • Ejercicio de Regresión Lineal (parte 1)
    08:55
  • Ejercicio de Regresión Lineal (parte 2)
    08:52
  • Ejercicio de Regresión Lineal (parte 3)
    07:05

Instructor
Ingeniería de software
Redait Media
  • 4.4 Instructor Rating
  • 9,633 Reviews
  • 109,386 Students
  • 10 Courses

REDAIT MEDIA es una empresa de IT especializa en software con personal titulado en Ingeniería en Informática con más de 20 años de experiencia en el desarrollo del software.

Somos expertos en la gestión de bases de datos con SQL, y hemos querido compartir con vosotros este curso completo de SQL.

También somos expertos en lenguajes de programación y proximamente crearemos algunos cursos sobre programación.