Formación Machine Learning

Paso a paso

1. 1 Primeros pasos

   ¡Sumérjete en el mundo de aprendizaje automático!

   Para empezar, aprenderás sobre muchos problemas cotidianos que se pueden resolver con el aprendizaje automático.

   Descubre cómo puedes ayudar a que tu empresa o tu negocio crezcan: por ejemplo, clasificando a los clientes en categorías que pronto servirán como indicador de los productos que se pueden ofrecer. ¡Analiza resultados y compara diferentes algoritmos de manera válida y utiliza el poder del Machine Learning para optimizar tus procesos!

   • 

     Artigo ¿Qué es Machine learning | Alura Cursos Online

   • 

     Vídeo Live Café Punto Tech - ¿Cómo dar tus primeros pasos en el mundo de Data Science? - YouTube

   • 

     Curso Machine Learning: clasificación con SKLearn

     08h

   Faça esse curso e:

   • Aplique machine learning en su empresa
   • Practique con diversos ejemplos
   • Vea como los algoritmos de clasificación están por todos lados en nuestro dia a dia
   • Analize resultados con la mente de um científico de datos
   • Compare el resultado de algoritmos lineales y lineales
   • Entienda a profundidad lo que es aprendizaje de máquina para clasificación
   • Haga estudios replicables, con estrategias de prueba y testeo
   • Vea Support Vector Machines, Árboles de Decisión y Dummy Classifiers

   Mais detalhesdo curso Machine Learning: clasificación con SKLearn

   • 

     Artigo Soft Skills más importantes para el área de datos | Alura Cursos Online

2. 2 Avanzando en la clasificación y Clusterización Avanzada

   En la primera parte, tuvimos una descripción general del poder de Machine Learning, trabajamos con algoritmos de clasificación, regresión y agrupación.

   En este paso, exploraremos la clasificación aún más, sabremos qué hay detrás de escena de este proceso y aprenderemos a cómo reducir la complejidad de sus datos al reducir la cantidad de información a través de selección de características y técnicas de reducción de dimensionalidad.

   Además de explorar otro tema importante para el aprendizaje automático, la agrupación en clusteres .

   Nos sumergiremos en los algoritmos de agrupación en clusteres, discutiremos los principales métodos y sus métricas de evaluación y aprenderemos a cómo extraer patrones de los datos.

   • 

     Curso Machine Learning: Lidiando con datos de muchas dimensiones

     08h

   Faça esse curso e:

   • Aprende qué son los datos con alta dimensionalidad
   • Crea un modelo de Machine Learning para clasificación
   • Construye una matriz de correlación con Pandas y Seaborn
   • Aprende como seleccionar features con visualizaciones de los datos
   • Utiliza Scikit-learn para crear modelos de selección de features automáticos
   • Aprende a crear y a interpretar una matriz de confusión utilizando Scikit-learn
   • Aprende a utilizar técnicas avanzadas de reducción de dimensionalidad (PCA y T-SNE)

   Mais detalhesdo curso Machine Learning: Lidiando con datos de muchas dimensiones

   • 

     Curso Clustering: Extrayendo patrones de datos

     12h

   Faça esse curso e:

   • Descubra como validar e interpretar resultados con datos sin rótulos
   • Aprenda técnicas que le ayudarán a interpretar la información de clusters
   • Extraiga la información sobre el comportamiento de clientes utilizando datos de una empresa de tarjeta de crédito
   • Utilice scikit-learn para generar clusters y calcular diferentes métricas de validación
   • Entienda la matemática que comprende las métricas de validación: Silhouette, Davies-Bouldin y Calinski-Harabasz

   Mais detalhesdo curso Clustering: Extrayendo patrones de datos

   • 

     Curso Clustering: K-Means, DBSCAN y Mean Shift

     10h

   Faça esse curso e:

   • Conoce lo básico sobre análisis exploratorio
   • Crea visualizaciones de datos utilizando la biblioteca Plotly
   • Utiliza los métodos KMeans, DBSCAN y Mean Shift para agrupar datos sin clasificación
   • Aprende a agrupar clientes
   • Evalúa la calidad de una clusterización a través del cálculo del coeficiente de Silhouette
   • Parametriza métodos de clusterización a través del máximo coeficiente de Silhouette

   Mais detalhesdo curso Clustering: K-Means, DBSCAN y Mean Shift

3. 3 Validación y optimización

   Hemos avanzando y ahora es el momento de profundizar aún más en Machine Learning.

   En esta parte, aplicaremos técnicas de validación cruzada y usaremos aleatoriedad a nuestro favor. Entendamos cómo y cuándo utilizar varias estrategias de validación cruzada, como KFold , StratifiedKFold o GroupKFold.

   ¡Además, aprenderemos a cómo mejorar la eficiencia de nuestros algoritmos con GridSearchCV y a optimizar el tiempo de búsqueda con RandomizedSearch!

   Es este paso aumentamos un poco la complejidad, ¡así que prepara tu equipo porque la inmersión estará llena de desafíos!

   • 

     Curso Machine Learning: Validación de modelos

     06h

   Faça esse curso e:

   • Entiende los peligros del hold out
   • Aplica técnicas de validación cruzada (cross validation)
   • Utiliza la aleatoriedad a tu favor
   • Entiende cuando usar diversas estrategias diferentes de validación cruzada
   • KFold, StratifiedKFold, GroupKFold
   • Trabaja en la previsión de nuevos grupos cuando no todos los datos son lecturas independientes entre si
   • Utiliza un pipeline para entrenamiento e validación

   Mais detalhesdo curso Machine Learning: Validación de modelos

   • 

     Curso Machine Learning: clasificación entre bastidores

     08h

   Faça esse curso e:

   • Aplique Machine Learning a su empresa
   • Conozca qué son tareas de Clasificación
   • Clasifique los nuevos clientes de acuerdo con su fidelización
   • Entienda cómo funcionan los modelos de clasificación: K-Vecinos más cercanos, Bernoulli Naïve Bayes y Árbol de Decisión
   • Compare el resultado de diferentes algoritmos de manera válida
   • Solucione un problema como una persona científica de datos

   Mais detalhesdo curso Machine Learning: clasificación entre bastidores

   • 

     Curso Machine Learning: Optimización de modelos a través de hiperparámetros

     08h

   Faça esse curso e:

   • Entiende que son os hiperparámetros y los espacios de parámetros
   • Explora los espacios de forma determinística
   • Optimiza tus modelos
   • Evita el overfit
   • Implementa la exploración desde la base
   • Aprende a utilizar y explorar con el GridSearchCV
   • Nested cross validation

   Mais detalhesdo curso Machine Learning: Optimización de modelos a través de hiperparámetros

   • 

     Curso Machine Learning: Optimización con exploración aleatória

     06h

   Faça esse curso e:

   • Explore los espacios de parámetros al azar
   • Utilice RandomizedSearch y optimice el tiempo de búsqueda
   • Compare la exploración exhaustiva y aleatoria
   • Ejecute la optimización sin validación cruzada cuando corresponda

   Mais detalhesdo curso Machine Learning: Optimización con exploración aleatória