Formación Machine Learning en la práctica: fundamentos y aplicaciones

Paso a paso

1. 1 Aprendizaje supervisado

   ¡Bienvenido al inicio de tu aventura en Machine Learning! Te presentaremos el aprendizaje supervisado, la base de muchos de los modelos más utilizados en la práctica. Exploraremos cómo trabajar con datos etiquetados y comprenderemos la clasificación y la regresión, dos de los problemas más comunes en este campo. Además, aprenderás a desarrollar proyectos prácticos, aplicando los conceptos en situaciones reales y dando los primeros pasos para construir modelos eficientes y precisos.

   • 

     Curso Machine Learning: clasificación con SKLearn

     08h

   Faça esse curso e:

   • Entiende con profundidad lo que es aprendizaje de máquina para clasificación.
   • Construye tu primer modelo de clasificación.
   • Aprender a analizar resultados de modelos de machine learning.
   • Compara resultados de algoritmos lineales y no lineales.
   • Realiza estudios replicables, con estrategias de prueba y testeo.
   • Conocer Support Vector Machines, Árboles de Decisión y Dummy Classifiers.

   Mais detalhesdo curso Machine Learning: clasificación con SKLearn

   • 

     Artigo Problemas resueltos mediante algoritmos de clasificación | Alura Cursos Online

   • 

     Curso Data Science: probando relaciones con regresión lineal

     08h

   Faça esse curso e:

   • Aprenda a identificar una relación lineal
   • Diferenciar entre una variable explicativa y una variable de respuesta
   • Aprenda a ajustar un modelo de regresión lineal
   • Interpretar los coeficientes del modelo
   • Interpretar R²
   • Hacer predicciones con el modelo
   • Analizar la calidad del modelo

   Mais detalhesdo curso Data Science: probando relaciones con regresión lineal

   • 

     Artigo Desvendando la regresión lineal | Alura Cursos Online

2. 2 Aprendizaje no supervisado

   En este segundo paso, aprenderás sobre el Aprendizaje No Supervisado, utilizado para trabajar con datos sin etiquetar, el más común en el mundo real. Nos centraremos en la Clusterización, una técnica que agrupa datos similares, lo que nos permite revelar patrones ocultos e insights importantes. Aquí, te presentaremos los conceptos fundamentales de este tipo de aprendizaje y aprenderás cómo funciona y cómo construir un modelo de Clusterización.

   • 

     Curso Clusterización: cómo manejar datos no etiquetados

     08h

   Faça esse curso e:

   • Explore y ajuste datos para un modelo de agrupamiento
   • Implemente un modelo de agrupamiento
   • Evalúe el rendimiento de un modelo K-means utilizando métricas apropiadas
   • Aplique técnicas de ajuste de datos para mejorar el rendimiento del modelo
   • Elija el mejor valor para la cantidad de agrupamientos en K-means
   • Desarrolle una aplicación web interactiva utilizando Streamlit que permita la visualización de las predicciones para otros conjuntos de datos
   • Integre el modelo de predicción en la aplicación web, garantizando que las predicciones puedan generarse y visualizarse en tiempo real

   Mais detalhesdo curso Clusterización: cómo manejar datos no etiquetados

3. 3 Avanzando en modelos de Machine Learning

   En este paso, ampliaremos nuestros conocimientos de Machine Learning profundizando en el Procesamiento del Lenguaje Natural (NLP), un campo que nos permite comprender e interpretar datos textuales. Aprenderás las principales** técnicas** para transformar textos en información que las máquinas, acostumbradas a trabajar con números, puedan comprender. Además, verás cómo aplicar estas técnicas para clasificar, interpretar y extraer valor de grandes volúmenes de texto.

   • 

     Curso NLP: aplicando el procesamiento del lenguaje natural para el análisis de sentimientos

     08h

   Faça esse curso e:

   • Visualiza y analiza la frecuencia de palabras en textos
   • Aprende a preprocesar y normalizar datos textuales
   • Utiliza la técnica de stemming para simplificar palabras
   • Convierte textos en representaciones numéricas
   • Aplica modelos de machine learning para clasificar sentimientos
   • Usa la técnica de TF-IDF para evaluar la relevancia de términos en textos
   • Implementa la técnica de n-grams para capturar contextos
   • Utiliza tu modelo de clasificación de sentimientos con nuevos datos

   Mais detalhesdo curso NLP: aplicando el procesamiento del lenguaje natural para el análisis de sentimientos

   • 

     Artigo PLN: ¿Qué es el procesamiento del lenguaje natural? | Alura Cursos Online

4. 4 Presentando los modelos

   En este cuarto paso, pondrás en práctica todo lo aprendido durante el proceso desarrollando un portafolio de datos sólido. Aprenderemos a crear una aplicación web interactiva con Dash, donde podrás implementar y mostrar los resultados de tus modelos de Machine Learning. Además, exploraremos las mejores maneras de presentar tu desarrollo y progreso en un portafolio, destacando tus habilidades al mercado y potenciando tus oportunidades profesionales.

   • 

     Curso Dash: construyendo dashboards para modelos de Machine Learning

     10h

   Faça esse curso e:

   • Crea visualizaciones de datos interactivas e intégralas en páginas web con Dash, desarrollando dashboards dinámicos
   • Implementa callbacks para crear formularios interactivos, aumentando la funcionalidad del dashboard
   • Utiliza un modelo de Machine Learning para permitir la generación de predicciones de clasificación basadas en los datos proporcionados
   • Crea un dashboard con menú de navegación y diferentes páginas integradas
   • Organiza proyectos en Python con directorios y módulos, siguiendo buenas prácticas para mantener el código organizado
   • Realiza el despliegue del dashboard con Google Cloud, haciendo que la aplicación sea accesible en línea

   Mais detalhesdo curso Dash: construyendo dashboards para modelos de Machine Learning