Curso Profesional de Machine Learning con SciKit-Learn
Curso
Virtual
¿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
Sí
-
Servicio de consultas
Sí
-
Clases virtuales
Sí
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
Inicio
A tener en cuenta
Reducir la dimensionalidad
Manejar datos atípicos
Aplicar técnicas de regularización a regresiones
Iniciar un proyecto con Scikit-Learn
Opiniones
Materias
- Python
- Algoritmos
- E learning
- Aprenden
- Proyecto
- Implementaciòn
- Explicación
- Regresiones
- Robustas
- Ensamble
Programa académico
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
- Configuración de nuestro entorno Python
- Instalación de librerías en Python
- Datasets que usaremos en el curso
- ¿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
- El problema de los valores atípicos
- Regresiones Robustas en Scikit-learn
- Preparación de datos para la regresión robusta
- Implementación regresión robusta
- ¿Qué son los métodos de ensamble?
- Preparación de datos para implementar métodos de ensamble
- Implementación de Bagging
- Implementación de Boosting
- Estrategias de Clustering
- Implementación de Batch K-Means
- Implementactión de Mean-Shift
- Validación de nuestro modelo usando Cross Validation
- Implementación de K-Folds Cross Validation
- Optimización paramétrica
- Implementación de Randomized
- Bonus: Auto Machine Learning
- 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
¿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