Curso Profesional de Machine Learning con SciKit-Learn

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

Scikit-Learn es una biblioteca de Python que ofrece un conjunto de algoritmos eficientes que pueden ser utilizados para realizar Machine Learning en un ambiente productivo. Con el Curso Profesional de Machine Learning con SciKit-Learn de Platzi aprenderás a implementar los principales algoritmos disponibles en esta biblioteca.

Sedes y fechas disponibles

Ubicación

Inicio

Virtual

Inicio

Fechas disponiblesInscripciones abiertas

A tener en cuenta

Reducir la dimensionalidad
Manejar datos atípicos
Aplicar técnicas de regularización a regresiones
Iniciar un proyecto con Scikit-Learn

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
  • Algoritmos
  • E learning
  • Aprenden
  • Proyecto
  • Implementaciòn
  • Explicación
  • Regresiones
  • Robustas
  • Ensamble

Programa académico

Temario del curso

Aprender los conceptos clave
  • Visión general del curso
  • ¿Cómo aprenden las máquinas?
  • Problemas que podemos resolver con Scikit-learn
  • Las matemáticas que vamos a necesitar
Iniciar un proyecto con sklearn
  • Configuración de nuestro entorno Python
  • Instalación de librerías en Python
  • Datasets que usaremos en el curso
Optimización de features
  • ¿Cómo afectan nuestros features a los modelos de Machine Learning?
  • Introducción al PCA
  • Preparación de datos para PCA e IPCA
  • Implementación del algoritmo PCA e IPCA
  • Kernels y KPCA
  • ¿Qué es la regularización y cómo aplicarla?
  • Implementación de Lasso y Ridge
  • Explicación resultado de la implementación
  • ElasticNet: Una técnica intermedia
Regresiones robustas
  • El problema de los valores atípicos
  • Regresiones Robustas en Scikit-learn
  • Preparación de datos para la regresión robusta
  • Implementación regresión robusta
Métodos de ensamble aplicados a clasificación
  • ¿Qué son los métodos de ensamble?
  • Preparación de datos para implementar métodos de ensamble
  • Implementación de Bagging
  • Implementación de Boosting
Clustering
  • Estrategias de Clustering
  • Implementación de Batch K-Means
  • Implementactión de Mean-Shift
Optimización paramétrica
  • Validación de nuestro modelo usando Cross Validation
  • Implementación de K-Folds Cross Validation
  • Optimización paramétrica
  • Implementación de Randomized
  • Bonus: Auto Machine Learning
Salida a producción
  • Revisión de nuestra arquitectura de código
  • Importar y exportar modelos con Sklearn
  • Creación de una API con Flask para el modelo
  • Cierre del curso
  • Material adicional para 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.

Curso Profesional de Machine Learning con SciKit-Learn

Precio a consultar