Machine Learning con Python. Aprendizaje Automático Avanzado
What you'll learn
- Aplicar técnicas de análisis y visualización de datos en un conjunto de datos complejo para problemas de machine learning.
- Aplicar técnicas de tratamiento de datos en un conjunto de datos para mejorar la robustez y métrica de salida de los diferentes algoritmos de machine learning.
- Comprender los diferentes mecanismos y técnicas para aplicar analítica predictiva en problemas de machine learning e interpretar la salida obtenida por los modelos de predicción.
- Comprender y analizar la fase del análisis de datos previos al modelado algorítmico en machine learning.
- Realizar modelos algorítmicos robustos con una optimización de sus hiperparámetros para la fase de predicción
- Desarrollar y analizar proyectos de machine learning como regresión, clasificación y multiclase.
- Utilizar librerías específicas de Python como scikit-learn para trabajos de Machine Learning
- Desarrollar y analizar proyectos de machine learning, Aprendizaje Supervisado, como regresión, clasificación y multiclase.
- Desarrollar y analizar proyectos de machine learning de Aprendizaje No Supervisado
- Al acceder a este curso formarás parte de una comunidad educativa especializada en la materia, que te dará soporte, recursos y asesoramiento de por vida.
Course content
- Preview09:42
- 02:13Catálogo Formativo
- 00:59Introducción al Curso de Machine learning con Python.
- 22:45Uso de la Plataforma Udemy. Consejos para sacar el máximo partido a la web.
- 11:55Consejos y Recomendaciones para Usuarios de Udemy.
- 06:28Estructura del Curso que vas a Comenzar.
- 02:18¡Preséntate!
- 00:14¡Recibe un curso Gratis!
- 00:03Para saber más
Requirements
- Para la realización de este curso no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0.
- Durante el curso trabajaremos con la última versión del programa, pero no te preocupes si tienes una versión anterior, ya que las distintas versiones difieren muy poco entre sí. Si existe algún cambio importante entre las distintas versiones hablaremos de ello durante la formación.
- Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado en la formación se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac.
- Cuando compres el curso vas a poder acceder a las clases cuando y donde quieras. El curso se queda en tu cuenta de Udemy para siempre. :)
- El más importante requisito para realizar este curso es el entusiasmo y la motivación por aprender nuevas habilidades que aumenten tus competencias profesionales.
Description
Machine Learning con Python. Aprendizaje Automático Avanzado
Aprendizaje Automático Scikit-Learn en Python. Modelos Predictivos. Data Science. De básico a Experto.
Instructores: PhD. Manuel Castillo y Arquitecto Álvaro García. Contenido Actualizado: Mayo 2021
Descripción del Curso:
El curso de “Machine Learning con Python” se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo y clustering. Este es el campo del aprendizaje automático que es el más útil en la industria y el cual se utilizar la librería de aprendizaje automático scikit-learn en Python por su gran rendimiento y facilidad en su uso.
A diferencia de las estadísticas, donde los modelos se usan para comprender los datos, el modelado predictivo se enfoca en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar por qué se hacen las predicciones.
A diferencia del campo más amplio del aprendizaje automático que podría utilizarse con datos en cualquier formato, el modelado predictivo y clustering se centra principalmente en datos tabulares, llamados técnicamente Tidy Data (por ejemplo, tablas de números como en una hoja de cálculo).
El curso está dirigido a personas que tengan pocos conocimientos de machine learning, conocimientos intermedios del lenguaje de programación y que quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo y clustering.
Además, el curso está diseñado para que cualquier estudiante universitario, investigador o tecnólogo que se encuentre realizando o necesite realizar diferentes experimentos a través de grandes conjuntos de datos para poder sintetizarlos en alguna salida predictiva puedan utilizar los muy diferentes recursos de machine learning que nos pone a nuestra disposición el lenguaje de programación.
Contenidos del Curso:
MÓDULO I. Introducción.
Conceptos básicos de machine learning.
Jupyter Notebook como nuestro entorno de machine learning.
Curso rápido de Python.
MÓDULO II. Análisis de datos
Cargar un conjunto de datos.
Estadística descriptiva.
Visualización de datos.
Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
Examen tipo test sobre los contenidos del módulo.
MODULO III. Preprocesamiento de datos
Análisis exploratorio de datos.
Preprocesamiento de datos.
Métodos de remuestreo para estimar la precisión del modelo.
Taller: Trabajo de aplicación de diferentes técnicas de análisis y procesamiento de datos de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
Examen tipo test sobre los contenidos del módulo.
MÓDULO IV. Fase de tratamiento de datos
Evaluación de las métricas.
Feature Selection.
Feature Importance.
Reducción de dimensiones en un dataset.
Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
Examen tipo test sobre los contenidos del módulo.
MÓDULO V. Fase de modelado
Algoritmos de Machine Learning.
Rendimiento de los algoritmos.
Algoritmos Ensamblados
Algoritmo "Super Lerner"
Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento.
Examen tipo test sobre los contenidos del módulo.
MÓDULO VI. Fase de optimización y forecasting
Pipelines.
Procesamiento de datos avanzado.
Configuración de hiperparámetros.
Guardado e integración del modelo.
Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros.
Examen tipo test sobre los contenidos del módulo.
MÓDULO VII. Proyectos de machine learning
Trabajar un proyecto de clasificación multiclase
Trabajar un proyecto de regresión.
Trabajar un proyecto de clasificación binaria.
Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos.
MÓDULO VIII. Aprendizaje No Supervisado
Aprendizaje No supervisado.
Algoritmos de Aprendizaje No Supervisado.
Determinar el número óptimo de clústers.
Proyecto de Aprendizaje No Supervisado.
Características del Curso:
Recuerda que esta formación incluye lecciones en vídeo fullHD con audio de estudio (compatible con TV, PC, Mac, tablet y smartphone), artículos didácticos, actividades, proyectos paso a paso, recursos descargables, links de interés, acceso de por vida, certificado de finalización, tutorización online, y una exclusiva comunidad de aprendizaje privada que nos ayudamos aportando nuestras experiencias en el foro de comunicación del curso.
¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación ;)
Who this course is for:
- Aquellos usuarios del programa que quieran ampliar el dominio de mismo y conocer múltiples trucos, consejos y recursos para esta herramienta.
- Principalmente aquellos que quieran aumentar sus posibilidades de empleabilidad, contratación y/o promocionar dentro de su sector.
Instructors
![Álvaro García](data:image/svg+xml,%3Csvg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 64 64"%3E%3C/svg%3E){kind=avatar}
- 4.3 Instructor Rating
- 7,476 Reviews
- 77,542 Students
- 82 Courses
Arquitecto y Diseñador Gráfico especializado en la infoarquitectura y representación arquitectónica 3D con amplia experiencia en la formación de software para la arquitectura, interiorismo, urbanismo, diseño industrial, escenografías, paisajismo, visual merchandising, etc.
Más de diez años de experiencia en la impartición de formaciones presenciales y online de SketchUp, Vray y PhotoShop para infoarquitectura.
CEO de SketchupMadrid, portal de formación On Line, especializado en el aprendizaje de SketchUp, Plugins, VRay y PhotoShop para la representación gráfica de diseños varios.
- 4.4 Instructor Rating
- 185 Reviews
- 5,301 Students
- 7 Courses
PhD in Computer Science (Pattern Recognition and data mining area) at Universidad de Castilla-La Mancha (Spain). Full-time professor at Computer Science and head of Smart Cities research laboratory in the CTIC - UNI at Universidad Nacional de Ingeniería from Perú. I currently conducting research projects with international funding in Smart Cities and agriculture areas. Experience in Wireless sensor Network and signal transmission, mobile phone applications and analysis/processing of data generated by WSN, making predictions with different machine learning techniques.
The research laboratory have projects as the prevention of gender violence, citizen and road safety which is creating an electronic shackle for smart indoor and outdoor localization, project financed by the Peruvian state and developing IoT platform making with ambiental sensors in two main goals, the WSN and the library in Python with different Machine learning techniques.
I also possess extensive experience in security in computer systems, especially perimeter security in computer networks to prevent attacks and hacking.
- 4.3 Instructor Rating
- 7,370 Reviews
- 75,806 Students
- 74 Courses
El curso tiene evaluación de conocimientos, realizada en la propia plataforma, y será emitido Certificado de Formación. Entidad Certificada, donde consta la evaluación alcanzada, el programa del curso, la duración y la identificación de entidad formadora certificada.
Los certificados de formación son válidos para todos los efectos legales y de cualificación de las competencias;
que los certificados son válidos internacionalmente, ya que cumplen las normas de certificación de la Unión Europea;
que se respetan normas y principios rigurosos en términos pedagógicos y organizativos;
que se respetan todos los reglamentos desde el punto de vista legal, fiscal y al nivel de los pagos.
Puede solicitar más información o comprobación sobre cualquiera de los aspectos anteriormente mencionados.
Son muchos los beneficios de la formación certificada, tanto para los empleados como para la empresa. Entre los intereses, compartidos por todos los participantes, están el de adquirir nuevos conocimientos, ganar en confianza, evolucionar o el reconocimiento de obtener un diploma.
En cuanto a la empresa, los beneficios de la formación certificada caminan en paralelo a su objetivo de mantener alto el potencial de los empleados mediante la inversión en el desarrollo de sus habilidades, reteniendo y motivando al talento a través de la formación.