Machine Learning con Python
| Responsible | Administrator |
|---|---|
| Last Update | 10/20/2026 |
| Members | 275 |
Share This Course
Share Link
Share on Social Media
Share by Email
Please login to share this Machine Learning con Python by email.
Intermediate
-
Validación del modelo e interpretación de resultados26Lessons ·
-
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
-