Machine Learning con Python
| Responsable | Administrator |
|---|---|
| Última actualización | 20/10/2026 |
| Miembros | 275 |
Compartir este curso
Compartir enlace
Compartir en redes sociales
Compartir por correo electrónico
Please iniciar sesión para compartir esto Machine Learning con Python por correo electrónico.
Intermedio
-
Validación del modelo e interpretación de resultados26Lecciones ·
-
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
-