Aprenderás a implementar modelos básicos como clasificadores lineales y árboles de decisión para problemas de clasificación. Este curso te enseñará a evaluar el rendimiento de tus modelos utilizando métricas esenciales y a manejar el sobreajuste para mejorar la precisión de tus predicciones. Además, utilizarás herramientas de visualización en Python para interpretar y presentar datos de manera efectiva y aplicarás estrategias de evaluación como el train-test split y la validación cruzada, garantizando estimaciones del rendimiento de tus modelos.
Requerimientos académicos
Conocimientos que debes tener para realizar este curso:
Python básico
Contar con un dominio básico de la sintaxis de Python y experiencia en su uso práctico.
Matemática y estadística
Entender conceptos matemáticos básicos, especialmente álgebra y estadística.
Datos
Saber realizar análisis exploratorio, técnicas de limpieza, visualización y resumen de datos.
¿Qué vas a aprender?
Este curso te permitirá estudiar a tu propio ritmo y con tus propios horarios.
- Horas de contenido
10 horas
- Tiempo estimado de cursada
2 meses
- Modalidad de cursada
On Demand
Al finalizar este curso tendrás tendrás las habilidades necesarias para desarrollar, evaluar y presentar modelos de machine learning robustos y eficientes, preparándote para proyectos más avanzados en el ámbito del aprendizaje automático y la ciencia de datos.
Se otorga la insignia de finalización del curso de Introducción a Machine Learning.
