Curso completo de Machine Learning: Data Science en Python
Información
Udemy
Online
Curso
Ser todo un master Jedi del Machine Learning con Python Llevar a cabo predicciones precisas Elaborar modelos robustos de Machine Learning Utilizar las técnicas de Machine Learning para uso personal y para asesorar empresas Tener una buena intuición de la mayoría de modelos de Machine Learning Hacer análisis muy potentes y precisos Dar valor añadido a tu propia empresa o negocio Conocer qué modelo de Machine Learning se ajusta mejor a cada tipo de problema Construir modelos disos de Machine Learning y combinarlos para resol cualquier problema que uno se plantee Utilizar técnicas avanzadas para reducir la dimensión del problema A quién va dirigido Cualquiera interesado en aprender Machine Learning Estudiantes que tienen un conocimiento de matemáticas que quieran aprender acerca del Machine Learning con Python Usuarios intermedios que conocen los fundamentos de Machine learning como los algoritmos clásicos de regresión lineal o logística pero buscan aprender más y explorar otros campos del aprendizaje estadístico Programadores que les guste el código y que estén interesados en aprender Machine Learning para aplicar dichas técnicas a sus datasets Estudiantes de unisidad que busquen especializarse y aprender a ser Data Scientists Analistas de datos que quieran ir más allá gracias al Machine Learning Cualquier persona que no esté satisfecha con su propio trabajo y busque empezar a trabajar como un Data Scientist profesional Cualquier persona que quiera dar valor añadido a su propia empresa utilizando las potentes herramientas de Machine Learning Requisitos Se necesitan conocimientos de matemáticas de bachillerato o conocimientos básicos de estadística Se recomienda saber programar un poco para enfocarse en aprender las técnicas de análisis en Python aunque no es totalmente necesario Temario completo de este curso Contenido del curso Introducción Pre requisitos del curso Conoce a tu instructor online, Juan Gabriel Gomila Acerca de la valoración prematura del curso en Udemy Cómo instalar Python con Anaconda Navigator Cómo instalar paquetes en Python gracias a pip Instalación de pip en Windows Las librerías estándar de Machine Learning en Python Los editores para programar en Python Las 5 es del análisis de datos Comunidad de estudiantes del curso Ser Data Scientist es la profesión más sexy del siglo XXI ¿Qué es el análisis predictivo de datos? Data Scientist = Matemáticas + Programación + Business Aplicaciones y ejemplos del mundo del Data Science Data Cleaning El concepto de data frame El repositorio Git del curso ¿Qué hago si no me autocompleta Jupyter? Acerca de las barras en Windows Leer datos procedentes de un CSV Los parámetros de la función read_csv Ejemplos de diferentes carga de datos con read_csv El método open para la carga manual de datos Cuidado con el método open Leer y escribir en un fichero con Python Leer los datos desde una URL externa La carga de datos desde una hoja de cálculo Ejercicio: descargar y procesar datos desde una URL externa Las funciones básicas de resumen, estructura, dimensiones y cabecera ¿Por qué faltan valores en los data sets? Qué hacer cuando faltan valores en el dataset Las variables dummy Visualización básica de un dataset: el scatterplot Visualización básica de un dataset: el histograma de frecuencias Visualización básica de un dataset: el boxplot Data Wrangling Una chuleta de pandas para Data Wrangling Fe de erratas Buscar un subconjunto de datos de un dataset Filtrados alternativos Subconjuntos de filas con ciertas condiciones Subconjuntos con loc e iloc y creación de nuevas columnas Generar números aleatorios La semilla de la generación aleatoria Funciones de distribución de probabilidades La distribución uniforme La distribución Normal El método de la simulación de Monte-Carlo para encontrar el valor de Pi Generando dummy data frames Un dummy data frame con variables categóricas Agrupación de los datos por categorías Agregación de datos Filtrado, Transformación y otras operaciones útiles Conjunto de entrenamiento y de testing Atualización: cómo dividir conjunto de entrenamiento y test Muestreo aleatorio: cómo dividir un dataset en conjunto de entreno y validación Concatenar dos datasets por filas Carga de cientos de datos distribuidos Ejercicio: el data set de los juegos olímpicos Concatenar los datos con merge Formas de cruzar tablas con joins Eliminar datos de datasets con restricciones de conjunto Ejemplos de joins con Python Ya conoces las bases del manejo de datos ¿Te gusta el curso? ¡Valóralo y cuéntanos tu opinión! Los conceptos fundamentales de estadística Un resumen de los estadísticos básicos (en R) Muestreo aleatorio y el teorema central del límite Los contrastes de hipótesis Cómo hacer un contraste de hipótesis paso a paso Test de la chi cuadrado Correlación entre variables Un resumen de lo aprendido La regresión lineal Las matemáticas tras una regresión lineal Demostración de la obtención de los parámetros del modelo lineal Errores normalmente distribuidos Sumas de los cuadrados totales, de las diferencias y de la regresión Ejercicio demostrar que SST = SSR + SSD Encontrando los coeficientes óptimos de la regresión Interpretar los parámetros de la regresión Implementar una regresión lineal con Python Regresión lineal múltiple El problema de la multicolinealidad Validando nuestro modelo El resumen de todos los modelos lineales creados Regresión lineal con scikit-learn Modelos lineales con variables categóricas Variables categóricas en una regresión lineal Otra forma más simple de calcular las predicciones Enmascarado de variables categóricas redundantes Transformar las variables en relaciones no lineales El problema de los outliers Otros problemas y consideraciones de la regresión lineal Un resumen de la regresión lineal La regresión logística Regresión lineal vs regresión logística Las matemáticas detrás de la regresión logística Probabilidades condicionadas Cociente de probabilidades De la regresión lineal a la logística Estimación con el método de máxima osimilitud Crear un modelo logístico desde cero Análisis exploratorio de los datos La selección de variables del dataset para el modelo logístico Implementar una regresión logística con Python Validación del modelo y evaluación del mismo La validación cruzada Validación cruzada con Python Las matrices de confusión y las curvas ROC Implementación de las curvas ROC en Python Resumen de la regresión logística Clustering ¿Qué es y para qué sirve el clustering? El concepto de distancia Matriz de distancias en Python Métodos de enlace Uniendo datos manualmente Clustering jerárquico en Python Un clustering completo: la fase de exploración de datos Un clustering completo: representación del dendrograma Un clustering completo: por donde cortamos el dendrograma Un clustering completo: visualización final del clustering El método de k-means Implementando k-means con Python Ejercicio: Segmentación de los vinos El método del codo El coeficiente de la silueta Implementando la técnica del codo y el coeficiente de la silueta Propagación de la afinidad Implementando la propagación de la afinidad Generando distribuciones en forma de anillo Los K medoides y el clustering espectral Resumen del clustering Árboles y bosques aleatorios ¿Qué es un árbol de decisión? Homogeneidad en los datos Entropía y ganancia de Información Algoritmos para la generación de árboles de clasificación La poda del árbol Los problemas del árbol Los árboles de clasificación con Python El tratamiento de ficheros dot La validación cruzada en un árbol de clasificación Los árboles de regresión El dataset de las casas de Boston y Kaggle Árboles de regresión con Python Random forests Random forests para regresión Random forest para clasificación ¿Por qué funcionan los random forests? más
Otros cursos de esta academia
Cisco CCNA Fundamentos de Networking para Redes IP
(Udemy)
Entender el funcionamiento de la cli y los diferentes modos de usuario de un equipo cisco así como las diferentes memorias... 2 cómo instalar packettracer en windows...
Mainframe IBM en tu PC
(Udemy)
Arrancar el sistema operativo mvs de ibm en la pc... sabrás cuáles son las principales industrias en donde se utilizan los mainframes instalarás un entorno de tipo...
Implementación de Servidores LAMP con Centos Linux
(Udemy)
Instalación de apache... instalación de centos linux... introducción a la plataforma lamp... adicionalmente, es recomendable contar con conocimientos básicos en...
Ansiedad por separación en perros - La guía definitiva
(Udemy)
Y si eres profesional aquí encontraras recopilada y organizada toda la información que necesitas sobre esta patología y cómo trabajarla... terapia de jaula...
Cuentos En Francés Vol. I & II. (2 cursos en 1)
(Udemy)
Audio descargable (mp3)... niños y adultos que quieran leer y escuchar 16 cuentos clásicos en francés... a quién va dirigido estudiantes con nivel básico-intermedio...
POWER BI |Curso KPI y Business Intelligence para Call Center
(Udemy)
Entusiastas y usuarios de power bi... crearán visualizaciones analíticas de datos para entender el desempeño del call center y evaluarlo... power bi desktop...
Microservicios con Spring Boot y Spring Cloud Netflix Eureka
(Udemy)
Construye, implementa y escala microservicios con spring boot 2 y spring cloud aprende a crear y consumir servicios web restful con spring boot conecta y consume...
Aprende Dibujo Artístico fácilmente. Arte y creatividad.
(Udemy)
La copia como medio... podrás dibujar todo aquello que ves adquirirás soltura y seguridad en el trazo percibirás los objetos en 2d podrás encajar la forma correctamente...
RestFul Api con Python usando Django Rest FrameWork
(Udemy)
Py guardando el owner fuente guardando el owner probando acceso a api de productos resumen introducción documentando con swagger documentando con coreapi extra y...
ReactJS Avanzado - FullStack React GraphQL y Apollo
(Udemy)
Crear aplicaciones completas con react, apollo y graphql conocer más sobre mongodb y mongoose para integrarlo a sus aplicaciones react crear aplicaciones fullstack...