Instructed by Santiago Hernández
What you’ll learn
-
Los algoritmos y fundamentos más relevantes del Machine Learning
-
La aplicación de técnicas de Machine Learning a casos prácticos reales
-
El desarrollo e implementación de sistemas de Machine Learning con Python 3
-
Las intuiciones matemáticas necesarias para comprender las técnicas actuales y futuras de Machine Learning
-
Las técnicas necesarias para crear un proyecto real completo de Machine Learning utilizando Python
-
La ejecución de algoritmos de Machine Learning en entornos offline y online
-
La aplicación de técnicas de Machine Learning a problemas reales dentro del dominio de la Ciberseguridad
-
El uso de algoritmos de Machine Learning para la realización de predicciones y la resolución de tareas complejas
Temario del curso
- Bienvenido al curso: Machine Learning desde cero. Proyectos reales en Python 3
- Machine Learning: Contexto y Motivación
- Introducción y creación el entorno de aprendizaje para Python 3: Jupyter Notebook, Jupyter Lab, Google Colaboratory, Numpy, Pandas, Matplotlib
- ¿Qué es el Machine Learning?: Aprendizaje Supervisado, Aprendizaje no Supervisado, Aprendizaje Online, Aprendizaje Batch, Aprendizaje basado en Instancias, Aprendizaje basado en Modelos
- Regresión y Clasificación: Regresión Lineal, regresión Logística
- Creación de un proyecto de Machine Learning: Visualización del conjunto de datos, Overfitting, Underfitting, Evaluación, Selección del modelo
- Support Vector Machines (SVM): Hard Margin Classification, Soft Margin Classification, Modelo Lineal, Kernels
- Árboles de decisión y conjuntos de árboles: Árbol de decisión, Gini Impurity, Ensemble Learning, Bagging, Pasting, Boosting, Stacking, Random Forests
- Selección y Extracción de características
- Algoritmos de Clustering: Kmeans, Dbscan, Purity Score, Silhouette coefficient, Calinski & Harabasz index
- Algoritmos de Machine Learning basados en probabilidad: Teorema de Bayes, Naive Bayes, Bernoulli Naive Bayes, Gaussian Naive Bayes
- Algoritmos de Machine Learning para la detección de anomalías: Gaussian distribution, Multivariate Gaussian distribution, Random Forest
- Redes Neuronales Artificiales y Deep Learning: Threshold Logic Unit, Percetrón, Perceptrón Multicapa, Redes Neuronales Profundas
- Despedida del curso: Machine Learning desde cero. Proyectos reales en Python 3
Who this course is for:
- Estudiantes con interés por el Data Science y el Machine Learning
- Desarrolladores en Python con interés por el Machine Learning
- Estudiantes interesados en Machine Learning e Inteligencia Artificial
- Estudiantes interesados en la aplicación del Machine Learning a proyectos reales
- Estudiantes interesados en la aplicación de las técnicas de Machine Learning a la Ciberseguridad
- Expertos en Ciberseguridad con interés por el Machine Learning o el Data Science
Cupones de cursos de Udemy similares
Deal Score0
Disclosure: This post may contain affiliate links and we may get small commission if you make a purchase. Read more about Affiliate disclosure here.
