Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Mindfulness Meditation Personal Transformation Life Purpose Emotional Intelligence Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Google Analytics
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Modeling Data Analysis Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Blogging Freelancing Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
2021-02-12 20:43:55
30-Day Money-Back Guarantee
Development Database Design & Development Weka

Machine Learning para Investigación con WEKA. De 0 a Experto

Conoce las técnicas más potente y necesarias que un investigador debe tener en su fase de de desarrollo. Weka Workbench
Rating: 4.2 out of 54.2 (20 ratings)
2,446 students
Created by Álvaro García, PhD. Manuel Castillo-Cara, Formación Certificada
Last updated 2/2021
Spanish
Spanish [Auto]
30-Day Money-Back Guarantee

What you'll learn

  • Aprender las técnicas de preprocesamiento de datos para machine learning.
  • Conocer las diferentes posibilidades sobre el pre-análisis y pre-tratamiento de datos para machine learning
  • Comprender que es la minería de datos y aplicarla a un conjunto de datos específico.
  • Comprender y analizar la fase de preprocesamiento en machine learning.
  • Comprender y analizar la fase del análisis de datos previos al modelado algorítmico en machine learning.
  • Comprender y analizar la fase de modelado algorítmico en machine learning.
  • Comprender y analizar la fase de tunníng para los diferentes modelos 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

10 sections • 111 lectures • 25h 50m total length

  • Preview16:21
  • Uso de la Plataforma Udemy. Consejos para sacar el máximo partido a la web.
    22:45
  • Consejos y Recomendaciones para Usuarios de Udemy.
    11:55
  • Estructura del Curso que vas a Comenzar.
    06:28
  • Introducción a Machine Learning con Weka
    00:11
  • Sesión de Teoría #01 - Estructura del curso
    08:16
  • Sesión de Teoría #01 - Sumilla
    19:45
  • Sesión de Teoría #01 - ¿Qué es Weka?
    33:14
  • UCI Machine Learning
    20:37
  • Instalación Weka.
    08:10
  • ¡Preséntate!
    02:18
  • ¡Recibe un curso Gratis!
    00:14

  • Machine Learning con Weka
    00:32
  • Sesión de Teoría #02 - Tipos de aprendizaje
    22:54
  • Sesión de Teoría #02 - Clasificación de datos en Weka
    41:50
  • Sesión de Teoría #02 - Conceptos en Weka
    11:12
  • Preview12:13
  • Trabajar el Componente Explorer.
    20:00
  • Trabajar el Componente Experimenter.
    08:46
  • Los componentes KnowledgeFlow, Workbench y SimpleCLI.
    04:29

  • Preanálisis y pretratamiento de datos
    00:27
  • Sesión de teoría #3 - Datasets en Weka
    21:16
  • Sesión de Teoría #03 - Tipos de problemas en Weka
    31:06
  • Dataset en formato arff.
    11:03
  • Cargar un CSV en Weka.
    15:22
  • Conjunto de datos para clasificación.
    11:41
  • Conjunto de datos para regresión.
    03:47
  • Preview07:38
  • Distribución y visualización de dos datos.
    05:21

  • Pre-procesamiento de datos para Machine Learning
    00:58
  • Sesión de Teoría #04 - Conceptos clave de Análisis de datos
    13:22
  • Sesión de Teoría #04 - Escalamiento básico
    18:34
  • Sesión de Teoría #04 - Escalamiento avanzado
    19:27
  • Filtros en los conjuntos de datos.
    10:35
  • Normalización en un conjuntos de datos.
    06:31
  • Estandarización en un conjuntos de datos.
    04:32
  • Discretización en un conjuntos de datos.
    07:15
  • Convertir a variables dummy.
    06:43
  • Identificación de valores missing.
    06:36
  • Eliminar valores missing.
    04:55
  • Sistituir valores missing.
    04:10

  • Análisis de datos en Machine learning.
    00:45
  • Sesión de Teoría #05 - Feature Selection
    34:13
  • Sesión de Teoría #05 - Algoritmos de Machine Learning
    19:04
  • Sesión de Teoría #05 - Estimar el resultado
    12:32
  • Recorrido por el panel de feature.
    18:48
  • Feature selection basada en correlación.
    08:17
  • Feature selection basada en ganancia de información.
    05:41
  • Feature selection basada en aprendizaje.
    12:24
  • Recorrido por el panel de clasificación.
    14:08
  • Algoritmos según la taxonomía de machine.
    09:13
  • Configuración de algoritmos.
    05:45
  • Entrenamiento de modelos de machine.
    06:23
  • Evaluación de los algoritmos.
    10:01
  • Resultado de línea base.
    07:17

  • Fase de modelado en machine learning.
    00:32
  • Sesión de Teoría #6 - Contexto sobre algoritmos
    10:04
  • Sesión de Teoría #6 - Algoritmos Taxonomía Lineal y No Lineal
    27:52
  • Sesión de Teoría #6 - Algoritmos Taxonomía Ensamblados
    10:17
  • Clasificación. Logistic Regression.
    14:24
  • Clasificación. Naive Bayes.
    04:25
  • Clasificación. Decision Tree.
    10:12
  • Clasificación. k-Nearest Neighbors.
    07:49
  • Clasificación. Support Vector Machine.
    08:38
  • Regresión. Linear Regression.
    08:47
  • Regresión. k-Nearest Neighbors.
    05:27
  • Regresión. Decision Tree.
    04:42
  • Regresión. Support Vector Reggresion.
    04:29
  • Regresión. Multilayer Perceptron.
    13:11
  • Ensamblado. Boostrap Aggregation.
    07:18
  • Ensamblados. Random Forest.
    05:31
  • Ensamblados. AdaBoost.
    03:54
  • Ensamblados. Voting.
    04:24
  • Ensamblados. Stacking.
    05:51

  • Fase de optimización y Forecasting
    00:48
  • Sesión de Teoría #7 - Proyectos de Machine Learning en Weka
    25:17
  • Sesión de Teoría #7 - Realizar Predicciones
    21:09
  • Comparar el rendimiento de los algoritmos.
    18:06
  • Comparar algoritmos. Diseño y ejecución.
    10:02
  • Comparar algoritmos. Resultados.
    12:06
  • Optimización. Hiperparámetros.
    02:57
  • Optimización. Diseño y ejecución.
    03:32
  • Optimización. Resultados del algoritmo.
    05:42
  • Forecasting. Entrenamiento del modelo.
    05:08
  • Forecasting. Guardar-Cargar un modelo.
    02:09
  • Forecasting. Hacer predicciones con el modelo entrenado.
    09:35
  • Proyectos completos en machine learning.
    00:30

  • Aprendizaje No Supervisado [Materiales]
    00:49
  • Aprendizaje No Supervisado
    12:09
  • Algoritmos de clustering (I)
    11:59
  • Algoritmos de clustering (II)
    11:39
  • k-Means
    14:56
  • Clustering Jerárquico
    07:53
  • Métodos basado en densidad
    08:48
  • Explorer - Cluster
    09:20
  • Ejemplo de Clustering (I)
    14:24
  • Ejemplo de Clustering (II)
    10:05
  • Reglas de asociacion [Teoría]
    08:10
  • Preview14:14

  • Preview06:19
  • Ayuda Extra con tus Proyectos.
    02:17
  • Videoconferencia completa #01
    01:13:44
  • Videoconferencia completa #02
    01:25:55
  • Videoconferencia completa #03
    01:15:24
  • Videoconferencia completa #04
    01:02:24
  • Videoconferencia completa #05.
    01:11:00
  • Videoconferencia completa #06
    01:02:36
  • Videoconferencia completa #07
    59:15

  • Preview00:57
  • Finalización de la formación.
    1 question
  • Certificado de Finalización del Curso.
    02:58
  • ¡Consigue 1 Curso Gratis!
    00:13

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.
  • 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.
  • 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.
  • 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 para Investigación con WEKA. De 0 a Experto

Conoce las técnicas más potente y necesarias que un investigador debe tener en su fase de de desarrollo. Weka Workbench

Instructores: PhD. Manuel Castillo y Arquitecto Álvaro García. Contenido Actualizado: Febrero 2021


Entre los diferentes software que existen de machine learning automatizado, destaca, sobre todos los demás, Weka Workbench, que es un software libre y gratuito. Este potente software nos ofrece un amplio espectro de opciones para utilizar machine learning sobre cualquier conjunto de datos que tengamos, ya sea de nuestros experimentos u obtenidos de diferentes bancos de datos libres, de manera muy sencilla, sin tener grandes conocimientos sobre el modelo matemático de un algoritmo y, lo más interesante, sin conocimientos de programación.

Son nueve unidades temáticas, en las que contará con vídeos, actividades, temario, foros que le ayudarán a realizar el curso de manera eficiente y entretenida.

Este curso se enfoca en un subcampo específico de la minería de datos llamado modelado predictivo (aprendizaje supervisado) y clústering (Aprendizaje No Supervisado). Este es el campo de la minería de datos que es el más útil en la industria e investigación siendo estas técnicas las más potente y necesarias que un investigador debe tener en su fase de de desarrollo.

A diferencia de las diferentes formas de estadística, donde los modelos se utilizan para comprender los datos, el modelado predictivo se centra en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar el por qué se hacen las predicciones. A diferencia del campo más amplio de minería de datos que podría usarse con datos en cualquier formato, el modelado predictivo (aprendizaje supervisado)) y clústering (Aprendizaje No Supervisado) se enfoca principalmente en datos tabulares (por ejemplo, tablas de números como una hoja de cálculo).

En este contexto, el curso pretende otorgar a los estudiantes los conceptos básicos e intermedios relacionados al análisis y tratamiento de datos pero llevando este proceso más allá pudiendo aplicar algoritmos basados en aprendizaje, es decir, Machine Learning. Para ello, el curso hará uso de un sistema muy utilizado en cualquier ámbito y línea de investigación como es Weka. Weka es una plataforma de muy sencillo uso que nos permite utilizar todos los conceptos de Minería de datos sin tener que saber programar, es decir, es una plataforma específicamente desarrollara para cualquier investigador que requiera de estas técnicas pero que no tiene un base previa computacional.

Curso Virtual el curso es virtual para poder llevarlo a cabo se tiene el siguiente esquema:

  1. Lectura del material el EVD. Los participantes debe leer y revisar los contenidos teóricos que se tienen en el EVD, correspondiente a cada unidad.

  2. Visualización de Videos. Como ayuda al aprendizaje se tienen videos para cada unidad, los cuales deben ser visualizados por el alumnado.

  3. Autoaprendizaje. Se debe resolver el material para refuerzo y aplicación de los contenidos teóricos/prácticos antes de la evaluación.

  4. Sofware de trabajo. Se utilizará el software libre Weka Workbench.

  5. Foro de consultas. Este espacio está destinado para que los estudiantes formulen sus preguntas con respecto a la temática desarrollada y el docente tutor será el responsable de absolver sus interrogantes.

Con esta amplia formación aprenderás el proceso completo y de forma profesional para llevar a cabos proyectos integrales. Una formación 100% practica que aumentará tu habilidades y competencias profesionales. Un curso paso a paso que te ahorra mucho tiempo y esfuerzo en tu trabajo diario.

El aprendizaje será un proceso continuo donde los estudiantes tienen la oportunidad de ir trabajando con el software de machine learning practicando lo expuesto en la parte de teoría.

La formación te permitirá convertirte en un experto en la materia, y todo ello desde una formación principalmente práctica. A través de variadas actividades y proyectos completos podrás adquirir los conocimientos suficientes para ejercer profesionalmente de forma solvente. Además conocerás en detalle mi flujo de trabajo a la hora de afrontar un proyecto profesional. Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado durante formación online se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac.

Puedes elegir ver todas las lecciones de forma secuencial (lineal) y aprovecharlas al máximo la formación. Pero también puedes decidir ver este curso como una guía de referencia. Las clases están claramente organizadas en secciones lógicas y puedes decidir visualizar solo las clases que te resulten más importantes según tus necesidades formativas. A excepción de las lecciones PRO, la mayoría de las lecciones son independientes para que puedas comprender los conceptos de cada lección sin tener que ver las lecciones anteriores del curso.

Es excepcional el aumento en la demanda de profesionales en este ámbito por parte de las empresas de todo el mundo actualmente. Para desarrollar el programa formativo propuesto no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0. El curso está orientado a aquellos creativos que quieran ampliar sus skills (habilidades) y conocer múltiples trucos, consejos, recursos y recomendaciones, de la mano de los instructores Manuel Castillo y Álvaro García. Además todas las formaciones de Udemy disponen acceso automático al curso, sin limitación de tiempo, disponibilidad 24/7 (24 horas al día los 7 días de la semana), sin caducidad y con garantía de devolución.

Contenidos: 


Unidad 1: Introducción

  • Conceptos básicos de machine learning.

  • Weka Workbench como nuestro entorno de machine learning.

  • Conclusiones.

Unidad 2: Minería de datos en Weka

  • Planeles en Weka.

  • Conociendo nuestros datos en los paneles de Weka.

  • Conclusiones.

Unidad 3: Pre-análisis y pre-tratamiento de datos

  • Clasificación de datos en machine learning.

  • Conjunto de datos para machine learning.

  • Pre-análisis de datos.

  • Conclusiones.

Unidad 4: Pre-procesamiento de datos para machine learning

  • Normalización y estandarización de los datos.

  • Transformar los datos de machine learning.

  • Manejar valores perdidos en los datos de machine learning.

  • Conclusiones.

Unidad 5: Análisis de datos en machine learning

  • Future Selection en machine learning.

  • Uso de algoritmos de machine learning.

  • Estimar el resultado de los algoritmos.

  • Estimar una línea base de los resultados.

  • Conclusiones.

Unidad 6: Fase de modelado en machine learning

  • Algoritmos de clasificación.

  • Algoritmos de regresión.

  • Algoritmos ensamblados.

  • Conclusiones.

Unidad 7: Fase de optimización en machine learning

  • Comparar el rendimiento de los algoritmos.

  • Optimización de los parámetros (hiperparámetros) de los algoritmos.

  • Guardar nuestros modelos y hacer predicciones.

  • Conclusiones.

Unidad 8: Proyectos en machine learning

  • Trabajar un proyecto de clasificación multiclase.

  • Trabajar un proyecto de clasificación binario.

  • Trabajar un proyecto de regresión.

  • Conclusiones

Unidad 9. Aprendizaje No Supervisado

  • Aprendizaje No supervisado

  • Algoritmos de Aprendizaje No Supervisado

  • Determinar el número óptimo de clústers

  • Proyecto de Aprendizaje No Supervisado


La modalidad de este curso te permite que empieces y acabes cuando tú quieras, marcando el ritmo de la clase según tu disponibilidad. Puedes volver a visualizar lo que te interese, saltar el contenido que ya domines, hacer preguntas, resolver dudas, compartir tus proyectos...

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.
  • Estudiantes que quieran acceder a una formación innovadora orientada a la metodología de trabajo del mundo laboral, en un formato de e-learining para aprender donde quieran y a su propio ritmo.
  • 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 software Weka Workbench.
  • El curso de Machine learning para la investigación está dirigido a personas que tengan pocos conocimientos de machine learning y quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo.
  • Sobre todo aquellas personas en crecer profesionalmente, aumentar sus habilidades y formar parte de nuestra comunidad educativa.
  • Principalmente aquellos que quieran aumentar sus posibilidades de empleabilidad, contratación y/o promocionar dentro de su sector.

Instructors

Álvaro García
Arquitecto & Diseñador Gráfico
Álvaro García
  • 4.3 Instructor Rating
  • 6,971 Reviews
  • 70,844 Students
  • 79 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.

PhD. Manuel Castillo-Cara
Doctor of Philosophy in Computer Science
PhD. Manuel Castillo-Cara
  • 4.2 Instructor Rating
  • 159 Reviews
  • 5,133 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.

Formación Certificada
Cursos Homologados Educación
Formación Certificada
  • 4.3 Instructor Rating
  • 6,874 Reviews
  • 69,042 Students
  • 70 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.


  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Impressum Kontakt
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.