Reproducción automática
Autocompletar
Velocidad
Clase anterior
Completar y continuar
Curso - Aprende Machine Learning
Material de apoyo
Diapositivas
Notebooks
Tema 1
1. Presentación (5:08)
2. Metodología (4:18)
3. Herramientas de programación (10:00)
4. Concepto de ML (5:07)
5. IA ML y DL (3:18)
6. Empleabilidad (3:56)
7. ML nuestra vida (6:27)
8. Revolución tecnológica (8:01)
9. Problema abiertos (8:04)
10. Conclusión (2:12)
Tema 2
Teoría y Conclusión > 1. Introducción (1:44)
Teoría y Conclusión > 2. Conceptos clave (9:34)
Teoría y Conclusión > 3. Aprendizaje supervisado y no supervisado (6:11)
Teoría y Conclusión > 4. Regresión vs Clasificación (5:36)
Teoría y Conclusión > 5. Métricas (12:50)
Teoría y Conclusión > 6. Validación de modelos (9:49)
> Práctica - 1. Intro práctica (7:48)
> Práctica - 2. Carga de datos (10:19)
> Práctica - 3. Variables categóricas (10:41)
> Práctica - 4. Variables cuantitativas (4:41)
> Práctica - 5. Correlación y NA (7:46)
> Práctica - 6. Gráficas (10:55)
> Práctica - 7. Lectura datos extra (9:46)
> Práctica - 8. Gestión de NA (8:28)
Teoría y Conclusión > Conclusión (2:08)
Tema 3
Teoría > 1. Introducción (1:48)
Teoría > 2. Conceptos clave Reg. Lineal (15:40)
Teoría > 3. Desventajas (10:03)
Teoría > 4. Selección de variables (10:06)
Teoría > 5. Tratamiento variables cualitativas (8:50)
Teoría > 6. Validación cruzada (6:28)
Teoría > 7. Regularización (8:09)
> Práctica - 1. Presentación carga de datos (7:57)
> Práctica - 2. Análisis Exploratorio (7:32)
> Práctica - 3. Ingeniería de variables (7:02)
> Práctica - 4. Modelo simple (10:08)
> Práctica - 5. Modelo avanzado (10:16)
Teoría y Práctica > Conclusión (2:03)
Tema 4
1. Introducción (2:36)
2. Presentación Regresión Logística (5:50)
3. Estimando coeficientes (8:41)
4. Regresión Logística Múltiple (3:06)
5. Análisis Lineal del Discriminante (6:31)
6. Comparando modelos (10:40)
7. Análisis Exploratorio de Titanic (6:35)
8. Preprocesamiento Titanic (11:55)
9. Regresión Logística Titanic (9:20)
10. Introducción a árboles (7:42)
11.Árbol de regresión (8:20)
12. Árbol decisión Facebook (7:32)
13. Árboles de clasificación (6:32)
14. Árbol de clasificación Titanic (13:52)
15. Bagging (8:47)
16. Bagging Facebook (4:46)
17. Bagging Titanic (9:01)
18. Random Forest (4:22)
19. Random Forest Facebook (5:44)
20. Random Forest Titanic (7:01)
21. Boosting (5:50)
22. Boosting Facebook (4:12)
23. Boosting Titanic (3:57)
24. Comparación de regresión (7:21)
25. Comparación de clasificación (4:14)
26. Conclusión (2:30)
Tema 5
0. Introducción (3:06)
1. Aprendizaje no supervisado (5:42)
2. PCA y sus Aplicaciones (7:12)
3. Cálculo de las Componentes Principales (12:20)
4. Interpretación alternativa de la PCA (4:49)
5. Importancia de escalar variables (4:20)
6. Unicidad de componentes y proporción de varianza explicada (5:56)
7. Elección de componentes principales (4:42)
8. Análisis Exploratorio Países (11:57)
9. PCA Países (14:21)
10. Análisis exploratorio crimen (8:28)
11. PCA Crimen (8:29)
12. Introducción al Análisis de Cluster (4:55)
13. Medidas de similaridad (3:50)
14. Cluster jerárquico y no jerárquico (2:13)
15. Cluster jerárquico (13:58)
16. Cluster no jerárquico (9:51)
17. Problemas clustering (4:02)
18. Clustering no jerárquico países (15:18)
19. Clustering jerárquico países (10:12)
20. Clustering no jerarquico crimen (10:19)
21. Clustering jerarquico crimen (11:45)
22. Conclusión (3:01)
Tema 6
0. Introducción sección (1:45)
1. Introducción al Deep Learning (8:28)
2.Ventajas y desventajas (10:48)
3. Embeddings (8:05)
4. Análisis de sentimiento películas (22:53)
5. Conclusión sección (3:29)
6. Despedida curso (3:44)
¡Enhorabuena!
Evalúa nuestra formación
Obtén tu certificado
2. Presentación Regresión Logística
Contenidos de la clase bloqueados
Si ya estás inscrito
Necesitarás hacer log in
.
Inscribirse en el curso para desbloquear