Machine Learning con Python. Aprendizaje Automático Avanzado
What you'll learn
- El curso más vendido de Machine Learning con Python en Udemy
- 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 dada por los modelos.
- 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.
Requirements
- Para la realización de este curso (Machine Learning con Python) 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.
Requisitos: Se recomienda tener conocimientos de programación, preferiblemte Python.
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.
Con esta formación disfrutarás aprendiendo desde dónde quieras, sin tener que desplazarte, sin horarios, con quién quieras, según tus necesidades y disponibilidad. Aprenderás con un instructor avalado por miles da alumnos satisfechos en todo el mundo (comentarios certificados). Conocerás las técnicas, métodos, trucos y flujos de trabajo de este sector creativo. El docente te transmitirá su sabiduría y conocimientos con pasión a la vez que las explicaciones concisas, claras, sencillas y con un enfoque profesional en cada clase. Podrás conseguir un certificado homologado personalizado y firmado por tu instructor en cada formación. De está forma podrás compartir tu título en tu portafolio, currículo, en redes sociales...
Con la alta definición de los vídeos (vídeo fullHD y audio de estudio) conseguirá no te perder detalle. Podrás ver las clases las veces que requieras para recordar y perfeccionar tus habilidades como diseñador. Tendrás la posibilidad de preguntar, pedir opinión y ayuda al instructor, además de compartir tu experiencia de aprendizaje con los demás alumnos del curso, tan apasionados como tú, repartidos por todo el mundo. Seleccionamos cuidadosamente los contenidos y producimos cada curso para garantizar una experiencia de aprendizaje online integral y de la máxima calidad.
¿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.
- Entusiastas de la Inteligencia Artificial y, sobre todo, de Ciencia de Datos
Instructors
- 4.4 Instructor Rating
- 21,124 Reviews
- 182,870 Students
- 132 Courses
Más de 160k estudiantes satisfechos. Te invito a que crezcamos juntos.
Experto en la representación gráfica y formación online/presencial de software y teoría del diseño, creatividad, arquitectura entre otros campos capacitando a todo tipo de profesionales de habla hispana.
Amplia trayectoria en la creación de material y contenido audiovisual educativo en distintos formatos y soportes para facilitar y optimizar el proceso de aprendizaje.
Me considero un apasionado de la docencia y la educación. Soy miembro del Colectivo de Educación Educativa Cinética e instructor pro Udemy. Certificado por Autedesk y Adobe Creative Suite.
Actualmente mis formaciones cuentan con más de 160.000 alumnos y más de 16.000 reseñas positivas a lo largo de todo el mundo. Instructor en UEM, COAM, UNS, ESMADECO, etc.
Será un placer poder compartir mis conocimientos y experiencias profesionales y académicas a lo largo de mas de 20 años.
- 4.5 Instructor Rating
- 2,430 Reviews
- 20,121 Students
- 19 Courses
Profesor/Investigador de unviersidad en España. Ph. D. en Tecnologías Informáticas Avanzadas por la Universidad de Castilla-La Mancha (España) y calificado como investigador en RENACYT-CONCYTEC nivel IV y Contratado Doctor por la ANECA (España).
Cuento con 28 publicaciones, entre congresos y revistas indexadas, las cuales 15 son en revistas de alto impacto, una patente modelo de utilidad otorgada y con una ejecución de más de 15 proyectos de investigación nacionales e internacionales.
Mi experiencia y trabajos en investigación se encuentran enfocados en Inteligencia Artificial y redes de sensores dentro de las áreas temáticas transmisión de señales, plataformas y arquitecturas distribuidas como Fog Computing, análisis/tratamiento de datos, reconocimiento de patrones y Visión por Computador.
- 4.4 Instructor Rating
- 20,678 Reviews
- 178,357 Students
- 119 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.