Curso gratis de machine learning con Python. Una introducción práctica

Curso gratis de machine learning con Python. Una introducción práctica

En este curso de machine learning con Python gratis, ofrecido por IBM aprenderás los conceptos básicos pero fundamentales en el aprendizaje autónomo.

¿Te interesa?

El machine learning se ha popularizado en los últimos años.

Y es que se trata de una herramienta muy interesante y útil para poder predecir tendencias sobre unos datos, extraer información y realizar tareas de aprendizaje autónomo.

Podrás comprobar cómo se relacionan los modelos estadísticos con el aprendizaje automático.

Lo mejor de este curso es que tiene un enfoque práctico, por lo que verás ejemplos de aprendizaje automático utilizados hoy en día en la vida real. Además, comprobarás cuales son los algoritmos y técnicas utilizadas en este campo.

¿Te lo vas a perder?

¿Hay requisitos previos para realizar este curso?

Se trata de un curso gratuito de nivel de introducción, por lo que no es necesario tener conocimientos previos sobre machine learning ni las técnicas utilizadas en este campo.

Es necesario tener muchas ganas de aprender y tener una cuenta en la web de cursos edX, que es la plataforma desde donde se realiza el curso. Si todavía no tienes una cuenta podrás registrarte gratis de manera muy fácil.

¿Para quién está pensado este curso?

Es un curso muy interesante para todas las personas interesadas en el aprendizaje automático o machine learning.

Posiblemente sea un curso especialmente interesante para personas que empiezan su carrera en el mundo de la informática, así como aquellas que quieren reciclarse y adentrarse en este mundillo que, sin duda, tiene mucho futuro.

También puede ser interesante para cualquier persona que haya estudiado o esté estudiando cualquiera carrera de ciencias o ingeniería y tenga un especial interés en la programación o en la predicción de las tendencias de datos.

Cursos Recomendados de Machine Learning
Ver Cursos »

¿Qué aprenderé en este curso de machine learning con Python?

En este curso de machine learning con Python aprenderás los fundamentos del aprendizaje automático, lo cual incluye los siguientes aspectos:

  • Diferencias entre el aprendizaje supervisado y no supervisado.
  • Cómo se relacionan los modelos estadísticos con el aprendizaje automático y una comparación entre ambos.
  • La manera en la que el aprendizaje automático tiene un impacto directo sobre la sociedad.

Plan de estudios del curso

El curso gratis de machine learning con Python está ofrecido por la multinacional IBM de la mano de instructores expertos en la materia. Se trata de un curso de nivel introductorio, el cual se realiza desde la plataforma de cursos edX.

Como sucede con la mayoría de cursos de la web edX, este curso es completamente gratuito, aunque si deseas obtener un certificado de finalización para compartirlo en tus redes sociales deberás de abonar una pequeña cuota.

Aunque no debes de preocuparte porque es totalmente opcional, y podrás realizar el curso de manera gratuita si no deseas al certificado.

Este curso está pensado para completarlo en 5 semanas con una dedicación de entre 4 y 6 horas semanales, pero si lo deseas podrás hacerlo a tu ritmo sin tener que cumplir con unas fechas límite en concreto.

El curso está dividido en varias secciones de la siguiente manera:

  • Módulo 1. Introducción al aprendizaje automático.
    • Introducción al Módulo y Objetivos del Aprendizaje
    • ¡Bienvenida!
    • Introducción a Machine Learning
    • Python para Machine Learning
    • Aprendizaje Supervisado y No Supervisado
  • Módulo 2. Regresión.
    • Introducción al Módulo y Objetivos del Aprendizaje
    • Introducción a la Regresión
    • Regresión Lineal Simple
    • Evaluación del Modelo en Modelos de Regresión
    • Laboratorio: Regresión Lineal Simple
    • Regresión Lineal Multiple
    • Laboratorio: Regresión Lineal Múltiple
    • Regresión No-Lineal
    • Laboratorio: Regresión Polinómica
    • Laboratorio: Regresión No Lineal
  • Módulo 3. Clasificación.
    • Introducción al Módulo y Objetivos del Aprendizaje
    • Introducción a la Clasificación
    • K-Vecinos más Próximos (KNN)
    • Métricas de Evaluación
    • Laboratorio: KNN
    • Introducción a los Arboles de Decisión
    • Construyendo Arboles de Decisión
    • Laboratorio: Árboles de Decisiones
    • Introducción a la Regresión Logística
    • Regresión Logística y Regresión Lineal
    • Entrenamiento de regresión logística
    • Laboratorio: Regresión Logística
    • Máquinas de Soporte Vectorial (SVM)
    • Laboratorio: SVM (Máquina de Vector de Soporte)
  • Módulo 4. Agrupación.
    • Introducción al Módulo y Objetivos del Aprendizaje
    • Introducción al Clustering
    • Clustering de K-Medias
    • Más sobre K-Medias
    • Laboratorio: k-Medias
    • Clustering Jerárquico
    • Más sobre Clustering Jerárquico
    • Laboratorio: Agrupación Aglomerativa
    • Clustering DBSCAN
    • Laboratorio: Agrupación DBSCAN
  • Módulo 5. Sistemas de recomendación.
    • Introducción al Módulo y Objetivos del Aprendizaje
    • Introducción a los Sistemas Recomendadores
    • Sistemas Recomendadores Basados en el Contenido
    • Laboratorio: Sistemas de Recomendación Basados en el Contenido
    • Filtrado Colaborativo
    • Laboratorio: Filtrado Colaborativo en las Películas
  • Módulo 6. Proyecto final.


Puedes empezar el curso de machine learning gratis con Python hoy mismo en esta página:

Acceder al curso

Cursos Gratis en tu Email

¡Suscríbete! »

Valorar este curso con un 1 sobre 5Valorar este curso con un 2 sobre 5Valorar este curso con un 3 sobre 5Valorar este curso con un 4 sobre 5Valorar este curso con un 5 sobre 5 (1 votos, media: 5,00 de 5)
Valorar

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

política de privacidad

El responsable de los datos que facilites es Activo Marketing Solutions SL, cuya única finalidad es gestionar y moderar los comentarios. Consulta nuestra política de privacidad para ejercer tus derechos de acceso, rectificación, limitación o supresión de datos en cualquier momento.