Loading...

Modalidad

On Demand

Dificultad

Intermedio

Tecnología

Python

Horas de video

10hs en total

Descripción

Conocerás los conceptos clave del Machine Learning, permitiéndote implementar modelos básicos como clasificadores lineales y árboles de decisión. Aprenderás a evaluar y mejorar el rendimiento de tus modelos, aplicando estrategias para evitar el sobreajuste y garantizar predicciones fiables.

Requisitos

Conceptos básicos de programación en Python y estadística.

Contenido

7 módulos

1Presentación

1 clases

Bienvenida

2Introducción a Machine Learning y scikit-learn

4 clases

Configuración del entorno de desarrollo

Fundamentos de Machine Learning

Ciclos de vida de un proyecto en Machine Learning

Checkpoint de contenidos

3Aprendizaje supervisado

6 clases

Introducción al Aprendizaje Supervisado

Preparación de Datos

Clasificadores lineales

Métricas básicas para la Evaluación de Modelos

Árboles de decisión

Checkpoint de contenidos

4Aprendizaje No supervisado

3 clases

Fundamentos del Aprendizaje No supervisado

Aplicaciones prácticas

Checkpoint de contenidos

5Evaluación de modelos y métricas de Rendimiento

4 clases

Optimización de Hiperparámetros y Validación cruzada

XGBoost

Bonus track de práctica

Checkpoint de contenidos

6Práctica complementaria

1 clases

Desafío incremental - Clasificación binaria

7Cierre de curso

2 clases

Cierre del curso

Evaluación Integral

Curso

Introducción a Machine Learning

Profesores

profile
JS

Julio Satyr

Profesor de Data Science y Sales Engineer

Membresía

Suscripción mensual

Este y todos los cursos de la plataforma están incluidos en la suscripción mensual.