Curso de Fundamentos Prácticos de Machine Learning

Curso

Virtual

Precio a consultar

Llama al centro

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Descripción

  • Tipología

    Curso

  • Nivel

    Nivel avanzado

  • Metodología

    Virtual

  • Duración

    Flexible

  • Inicio

    Fechas disponibles

  • Campus online

  • Servicio de consultas

  • Clases virtuales

Define el algoritmo adecuado de Machine Learning para solucionar un problema de tu vida cotidiana o trabajo. Aprende a clasificar problemas y define su solución mediante clasificación, agrupación o reglas de asociación. Domina los conceptos bases del Machine Learning a través de ejercicios prácticos en Python.

Sedes y fechas disponibles

Ubicación

Inicio

Virtual

Inicio

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Crear una red convolucional simple con TensorFlow
Entender el aprendizaje profundo
Evaluar un modelo
Dominar las bases de K-Means
Crear un clasificador con Scikit Learn
Comprender un árbol de decisión
Implementar regresión lineal y logística

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • E learning
  • Logística
  • Platzidoro
  • Comandos
  • Subajuste
  • Cargando
  • Aprendizaje
  • Evaluación
  • Recomendaciones
  • Aprendendiendo

Programa académico

Temario del curso
  • Fundamentos prácticos
  • Aplica Platzidoro en este curso y asegura el éxito de tu aprendizaje
  • Introducción al Curso
  • Introducción a Numpy
  • Introducción y manipulación de datos con Pandas
  • Introducción a ScikitLearn
  • Comandos básicos de las librerías usadas en el curso (Numpy, Pandas y ScikitLearn)
Regresión Lineal y Logística
  • ¿Qué es la predicción de datos?
  • Sobreajuste y subajuste en los datos
  • Regresión lineal simple y regresión lineal múltiple
  • Regresión lineal simple con Scikit-Learn: división de los datos
  • Regresión lineal simple con Scikit-Learn: creación del modelo
  • Regresión logística con Scikit-Learn: definición y división de datos
  • Regresión logística con Scikit-Learn: evaluación del modelo
  • Matriz de confusión
  • PlatziDoro Cápsula 1
Árboles de decisión
  • ¿Qué es un árbol de decisión y cómo se divide?
  • Comprendiendo nuestro data set para la creación de un árbol de decisión
  • Creando un clasificador con Scikit-Learn
  • Entrenamiento del modelo de clasificación
Arboles de decisión
  • Visualización del árbol de decisión
K-Means
  • ¿Qué es K-Means?
  • Cargando el data set de Iris
  • Construcción y evaluación del modelo con K-Means
  • Graficación del modelo
  • PlatziDoro Cápsula 2
Aprendizaje profundo
  • Introducción al aprendizaje profundo
  • Conceptos básicos de Tensor Flow
  • Red neuronal convolucional
  • Conociendo el set de datos para la creación de la red neuronal
  • Crea y entrena tu primera red neuronal convolucional con Tensor Flow
  • Evaluación de la red convolucional
  • PlatziDoro Cápsula 3
Despedida
  • Recomendaciones para analizar correctamente tu problema
  • Siguientes pasos para continuar aprendendiendo de Machine Learning

Llama al centro

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Curso de Fundamentos Prácticos de Machine Learning

Precio a consultar