Curso completo de Machine Learning: Data Science en Python
Curso completo de Machine Learning con Python
¿Quieres recibir información sobre este curso?
Déjanos tus datos y la academia se pondrá en contacto contigo.
Sobre este curso
Te suenan las palabras Machine Learning o Data Scientist? Te pica la curiosidad de para qué sirven estas técnicas o por qué empresas de todo el mundo pagan un sueldo de 120.000 hasta 200.000$ al año a un científico de datos?
Pues este curso está pensado y diseñado por todo un profesional del mundo del Data Science como es Juan Gabriel Gomila, de modo que os va a compartir todo su conocimiento y ayudaros a entender la teoría tan compleja sobre las matemáticas que tiene detrás, los algoritmos y librerías de programación con Python para convertiros en todo unos expertos a pesar de que no tengáis experiencia previa.
Veremos paso a paso como empezar a trabajar con conceptos y algoritmos del mundo del Machine Learning. Con cada nueva clase y sección que completes tendrás unas nuevas habilidades que te ayudarán a entender este mundo tan completo y lucrativo que puede ser esta rama del Data Science.
Temario
Instalación de Python y paquetes necesarios para data science, machine learning y visualización de los datos
Evolución histórica del análisis predictivo y el machine learning
Pre procesado y limpieza de los datos
Manejo de datos y data wrangling, operaciones con datasets y distribuciones de probabilidad más famosas
Repaso de estadística básica, intervalos de confianza, contrastes de hipótesis, correlación,…
Regression lineal simple, regresión lineal múltiple y regresión polinomial, variables categóricas y tratamiento de outliers.
Clasificación con regresión logística, estimación con máxima verosimititud, validación cruzada, K-fold cross validation, curvas ROC
Clustering, K-means, K-medoides, dendrogramas y clustering jerárquico, técnica del codo y análisis de la silueta
Clasificación con árboles, bosques aleatorios, técnicas de poda, entropía, maximización de la información
Support Vector Machines para problemas de clasificación y regresión, kernels no lineales, reconocimiento facial (cómo funciona CSI)
Los K vecinos más cercanos, decisión por mayoría, programación de algoritmos de Machine Learning vs librerías de Python
Análisis de componentes principales, reducción de la dimensión, LDA
Deep learning, Reinforcement Learning, Redes neuronales artificiales y convolucionales y Tensor Flow
¿A quién va dirigido?
Este curso está dirigido a cualquier persona interesada en aprender Machine learning, aunque se necesitan conocimientos previos de mateméticas (nivel bachillerato) y/o programación con Python.
