Utiliza el código
DATAWEEK
en la página de pago para acceder a un
descuento del 30%.
La oferta finaliza en:
Auto reproducción
Autocompletar
Clase Anterior
Completar y continuar
Python para Ciencia de Datos - Machine Learning con Python
Presentación del curso
Presentación del curso (2:58)
¿Ya sabes Python?
¿Qué es Python? - Repaso (3:21)
Entorno offline - Instalación Anaconda y Jupyter Notebooks (4:11)
Entorno online - Google Colab (2:02)
Instalación de paquetes (repaso) (3:10)
Introducción a Machine Learning
¿Qué es Machine Learning? (6:42)
Proceso de Aprendizaje Supervisado (4:55)
Evaluación del modelo (3:04)
Matriz de confusión (4:39)
Clasificación - Métricas de evaluación (6:10)
Ejemplo teórico (2:31)
Regresión - Métricas de evaluación (4:49)
Regresión Lineal
Introducción a la Regresión Lineal (2:20)
Regresión lineal (opcional)
Regresión Lineal en Python (13:10)
Introducción al Kaggle y al proyecto de regresión lineal (2:38)
Detalles del proyecto
Solución Proyecto Regresión Lineal - Parte 1 (17:58)
Solución Proyecto Regresión Lineal - Parte 2 (10:43)
Creación de entrega (8:07)
El dilema Varianza Sesgo
El dilema Varianza Sesgo (4:28)
Regresión Logística
Introducción a la Regresión Logística (4:15)
Regresión Logística (opcional)
Regresión Logística en Python (12:52)
Kaggle y los datos del titanic (1:20)
Detalles del proyecto
Solución Proyecto Regresión Logística - Análisis Exploratorio (7:59)
Solución Proyecto Regresión Logística - Limpieza de datos (12:11)
Solución Proyecto Regresión Logística - Creación del modelo (6:48)
Solución Proyecto Regresión Logística - Entrega (9:45)
KNN Vecinos Próximos
Introducción a KNN Vecinos Próximos (4:11)
KNN Vecinos Próximos en Python - Parte 1 (6:03)
KNN Vecinos Próximos en Python - Parte 2 (7:42)
Arboles de decisión y bosques aleatorios
Introducción a la arboles de decisión y bosques aleatorios (3:39)
Arboles de decisión y bosques aleatorios con Python (11:05)
Aplicando bosques aleatorios al titanic (3:42)
Máquinas de Soporte Vectorial (SVM)
Introducción a Máquinas de Soporte Vectorial (SVM) (2:22)
Máquinas de Soporte Vectorial (SVM) en Python (10:59)
Proyecto SVM con Iris
Solución al Proyecto SVM (5:42)
K-Means Clustering
Introducción a K-Means Clustering (3:08)
K-Means Clustering con Python (12:43)
K-Means con Iris Proyecto
Solución a K-Means con Iris (8:17)
PCA - Análisis de componentes principales
Introducción a PCA (Análisis de componentes principales) (2:18)
PCA con Python (12:00)
Sistemas de recomendación
Introducción a sistemas de recomendación (1:26)
Sistema de recomendación con Python - Parte 1 (11:02)
Sistema de recomendación con Python - Parte 2 (11:36)
Deep Learning y Redes Neuronales con TensorFlow en Python
¿Qué es Deep Learning? (5:22)
Modelo Perceptrón (4:20)
Redes Neuronales (2:07)
Funciones de Activación (2:40)
Funciones de Activación de Clases Múltiples (3:57)
Funciones de Coste y Gradiente Descendiente (3:59)
Retropropagación (1:12)
TensorFlow en Python - Preprocesamiento (6:52)
TensorFlow en Python - Creando el modelo (7:29)
TensorFlow en Python - Evaluación (8:58)
Proyecto Tensor Flow
Introducción al Proyecto (0:44)
Proyecto TF - Análisis Exploratorio 1 (5:17)
Proyecto TF - Análisis Exploratorio 2 (6:25)
Proyecto TF - Preprocesamiento (6:55)
Proyecto TF - Modelo (12:14)
¿Cómo prevenir overfitting con TensorFlow? (2:40)
Máquinas de Soporte Vectorial (SVM) en Python
Completar y continuar