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:
