Curso de Machine Learning Aplicado con Python

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

Aplica algoritmos de Machine Learning de forma simple y eficiente con Scikit-Learn. Utiliza herramientas para análisis y minería de datos implementando esta librería en tus proyectos.

Sedes y fechas disponibles

Ubicación

Inicio

Virtual

Inicio

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Aprender de forma aplicada los modelos de Machine Learning
Conocer el API de Scikit-Learn
Explorar y entender familias de modelos de Machine Learning
Pre-procesamiento
Performance de Modelos (Evolución, mejoras e iteraciones)

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

  • Python
  • E learning
  • Montar
  • Trabajo
  • Ingenieria
  • Configuracion
  • Operaciones
  • Evaluando
  • ANALISIS
  • MODELOS

Programa académico

Temario del curso

Introducción al curso
  • Introducción al curso de Machine Learning Aplicado con Python
  • Montar un ambiente de trabajo de Machine Learning
Cómo definir un problema de Machine Learning
  • Importancia de definir el problema en Machine Learning
  • Predecir el ingreso de películas de IMDB
  • Terminología de Machine Learning
  • Materiales del curso: Notebooks de Jupyter
El ciclo de ingeniería de Machine Learning
  • El ciclo de Machine Learning
Montar un ambiente de trabajo Pydata
  • Configuración del ambiente de trabajo con Docker
  • Construcción de contenedores de Docker
  • Qué es y cómo se utiliza Numpy
  • Arrays en Numpy
  • Operaciones aritméticas en Numpy
Preparación de los datos
  • Cargar los datos necesarios para el proyecto
  • Inspección de los tipos de datos
  • Inspección cuantitativa y de salud de los datos
  • Limpiar los datos
  • Manejo de datos faltantes
Modelación y evaluación
  • El objeto estimador de Scikit-Learn
  • Implementar un modelo de regresión (Lasso)
  • Ajustando Modelos de Machine Learning, Underfitting y Overfitting
  • Evaluando el modelo
Feature Engineering
  • Feedback del modelamiento
  • Análisis exploratorio
  • Continuando con el análisis exploratorio
  • Creación de features
  • Creando más features
  • Selección de features y la maldición de la dimensionalidad
Modelos y Evaluación más avanzada
  • Cross Validation
  • Selección de modelos
  • Curvas de aprendizaje
  • Introducción a Ensembles y Árboles de Decisión
  • Random Forest y Gradient Boosting Trees
  • Optimización de hiperparámetros
  • Conclusiones del curso

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 Machine Learning Aplicado con Python

Precio a consultar