Responsible Administrator
Last Update 10/20/2026
Members 275
Intermediate
  • Validación del modelo e interpretación de resultados
    26Lessons ·
    • Introducción del profesor
    • Contenido del curso
    • ¿Qué es Machine Learning y sus aplicaciones?
    • Presentación del caso aplicativo
    • Código Fuente y Datasets
    • Variables de un modelo
    • Modelos de Aprendizaje Supervisado
    • Modelos de Aprendizaje No Supervisado
    • Diferencias entre Aprendizaje Supervisado y No Supervisado y cómo elegir
    • Validación de modelos
    • Fases de implementación de un modelo de Machine Learning (CRISP-DM)
    • Cuándo usar Machine Learning vs. Analítica
    • Machine Learning en Python
    • Formato tidy data
    • Limpieza de valores nulos o faltantes
    • Selección de variable target y predictores
    • Sets de entrenamiento y prueba: train/test/validation
    • Caso aplicativo: preparación de los datos
    • Identificación del modelo a usar
    • Análisis exploratorio previo y visualización de datos
    • Modelo de aprendizaje supervisado: Regresión lineal
    • Modelo de aprendizaje supervisado: Regresión logística
    • Modelo de aprendizaje supervisado: Árbol de decisión
    • Modelo de aprendizaje no supervisado: Clustering/agrupamiento
    • Validación de los diferentes modelos
    • Caso aplicativo: Modelamiento e Interpretación de resultados