Machine Learning for Data Science
Author
Edwin Escobedo
Doctorado en Ciencias de la Computación con una sólida formación en aprendizaje automático/profundo y más de 6 años de experiencia en el uso de modelos predictivos y algoritmos de procesamiento de datos. Experto en los lenguajes de programación Matlab y R/Python e involucrado en la investigación de reconocimiento de acción/gestos/lengua de signos.
VER MAS
En este curso aprenderemos el manejo de la herramienta Python desde un nivel introductorio con el manejo de estructuras y funciones, así como la presentación de las principales librerías orientadas a ciencia de datos. Continuaremos con la aplicación de algoritmos para la exploración de modelos de machine learning, series de tiempo y deep learning.
+ de 40% de descuento
- Certificado digital
- Material descargable
- Docente especializado
- 100% online
BROCHURE
Course program
Duración 23 h. 18 m. 7 s.
Recursos.ipynb0 s.
Recursos.ipynb0 s.5 Libros de Python.ipynb0 s.
1.1. Numpy12 m. 59 s.1.1.1. Métodos y funcionalidades con Numpy1 h. 5 m. 16 s.1.1.2. Pandas3 m. 42 s.1.2. Series & Dataframes y funcionalidades1 h. 12 m. 26 s.1.3. Nociones básicas de Matplotib29 m. 50 s.1.4. Histograma1 m. 15 s.1.5. Gráfico de Barras8 m. 47 s.1.6. Gráfico Circular1 m. 42 s.1.7. Mapas de Calor3 m. 38 s.1.8. Gráfico Cyberpunk20 s.1.9. Gráficos de Dispersión6 m. 29 s.1.10. Seaborn1 m. 30 s.Recursos.ipynb0 s.Recursos.ipynb0 s.2.1. Introducción a EDA40 m. 39 s.2.1.1 Importando y cargando el dataset6 m. 48 s.2.1.2. Eliminando columnas y simulando datos nulos29 m. 22 s.2.1.3. Identificando el tipo de datos faltantes con Missingno21 m. 10 s.2.2. Métodos de Imputación20 m. 33 s.2.2.1. Imputar valores con Fordward y Backward5 m. 43 s.2.2.2. Imputación basada en estadísticas17 m. 55 s.2.2.3. Imputación con KKNImputer3 m. 41 s.2.2.4. Imputación con imputador iterativo4 m. 28 s.2.3. Eliminando valores duplicados2 m. 56 s.Recursos.ipynb0 s.3. Tratamiento de Outliers14 m. 50 s.3.1. Cargando datos y detectando valores atípicos36 m. 50 s.3.2. Análisis univariante de los datos10 m. 51 s.3.2.1. Removiendo Outliers con el método de RIC y Automatizando19 m.3.3. Outliers en R_n18 m. 5 s.3.3.1. Usando data sintética8 m. 36 s.3.3.2. Utilizando un Dataset de problema9 m. 59 s.3.4. Casos de uso EDA1 h. 25 m. 32 s.Recursos.ipynb0 s.Recursos.ipynb0 s.4.1. Introducción a Machine Learning1 h. 9 m. 55 s.4.2. Métodos de selección de variables & Carga Dataset5 m. 57 s.4.3. Eliminación de variables con baja varianza4 m. 34 s.4.4. Selección de características univariante usando SelectKbest5 m. 2 s.4.5. Eliminar características altamente correlacionadas6 m. 54 s.4.6. Métodos basados en la importancia18 m. 58 s.4.7. Reducción de dimensionalidad PCA14 m. 39 s.Recursos.ipynb0 s.5.1. Balanceo de datos y graficando31 m. 59 s.5.2. Dataset & Funciones de ayuda & Entrenando por defecto10 m. 6 s.5.3. RandomUnderSampler13 m. 56 s.5.4. RandomOverSampler10 m. 47 s.5.5. Desbalance en Datasets de Imágenes19 m. 46 s.5.6. Escalamiento y normalización58 m. 17 s.5.7. Codificando Variables LabelEncoder & Hot Encoding34 m. 35 s.Recursos.ipynb0 s.Recursos.ipynb0 s.6.1. Conceptos de Algoritmo de Regresión7 m. 1 s.6.2. Regresión Lineal Simple usando Sklearn y statsmodels48 m. 43 s.6.3. Regresión Lineal Múltiple8 m. 22 s.6.4. Teoría de Algoritmos de Regresión59 m. 47 s.6.5. Otros Datasets Regresión Lineal & Ridge & Lasso20 m. 26 s.6.6. Otros Datasets Regresión con Vectores de soporte, RF, XGBOOST14 m. 21 s.Recursos.ipynb0 s.Recursos.ipynb0 s.9.1. Teoría de Algoritmos de Clustering1 h. 2 m. 30 s.9.2. K Means Clustering19 m. 20 s.9.3. Teoría Algoritmos Jerárquicos24 m. 49 s.9.4. Hierarchical Clustering & K grupo óptimo14 m. 28 s.9.5. Teoría de algoritmos basados en Densidad15 m. 30 s.9.6. DBSCAN21 m. 57 s.
Machine Learning for Data Science
Author
Edwin Escobedo
Doctorado en Ciencias de la Computación con una sólida formación en aprendizaje automático/profundo y más de 6 años de experiencia en el uso de modelos predictivos y algoritmos de procesamiento de datos. Experto en los lenguajes de programación Matlab y R/Python e involucrado en la investigación de reconocimiento de acción/gestos/lengua de signos.