We may earn an affiliate commission when you visit our partners.
Eduardo Rodríguez del Angel
and
Jorge Alberto Cerecedo Cordoba
Este curso tiene como objetivo proporcionar a los estudiantes una comprensión integral de los modelos predictivos utilizando técnicas de Machine Learning. Los participantes aprenderán a implementar, evaluar y mejorar modelos predictivos aplicables a diversas problemáticas reales, utilizando herramientas como Python y bibliotecas especializadas.
Register for this course and see more details by visiting:
OpenCourser.com/course/iuqy7q/modelos
Two deals to help you save
Save money when you learn. Here are two deals and offers that may be relevant to this course.
All coupon codes, vouchers, and discounts are applied automatically unless otherwise noted.
Valid until July 14
Coursera Plus Annual
Work toward what's next for your career with access to 10,000+ programs. Discover emerging skills and save.
Up to
40%
off
Get offer
Valid until August 30
Google AI App Builder
Learn how to use Gemini API and API Studio with a three-course series from Google DeepMind
Take
100%
off
Get offer
What's inside
Syllabus
1. Introducción a modelación de datos
En esta sección, los estudiantes instalarán y configurarán el software necesario para el curso, incluyendo Python y Jupyter Notebook. Se introducirán a los conceptos fundamentales del modelado de datos y los diferentes tipos de modelos predictivos. Además, aprenderán sobre los fundamentos de Machine Learning y comenzarán a construir su primer modelo predictivo básico.
Read more
Syllabus
1. Introducción a modelación de datos
En esta sección, los estudiantes instalarán y configurarán el software necesario para el curso, incluyendo Python y Jupyter Notebook. Se introducirán a los conceptos fundamentales del modelado de datos y los diferentes tipos de modelos predictivos. Además, aprenderán sobre los fundamentos de Machine Learning y comenzarán a construir su primer modelo predictivo básico.
Read more
Traffic lights
Traffic lights
Read about what's good
what should give you pause and
possible dealbreakers
Introduces fundamental concepts of data modeling and different types of predictive models, which builds a strong foundation for beginners
Teaches implementation, evaluation, and improvement of predictive models applicable to diverse real-world problems, which is highly relevant to industry
Uses Python and specialized libraries, which are standard tools for machine learning and data analysis in both academic and professional settings
Explores regression and classification models, covering linear, multiple, and polynomial regression, as well as support vector machines and regression trees
Examines time series analysis, including predicting future values in different contexts, such as the stock market, which is useful for personal growth and development
Requires installing and configuring software, including Python and Jupyter Notebook, which may require learners to have access to a computer
Save this course
Create your own learning path.
Save this course to your list so you can find it easily later.
Save
Save
Reviews summary
Modelos predictivos con ml: fundamentos prácticos
Según los estudiantes, este curso de Modelos Predictivos con Machine Learning ofrece una base sólida cubriendo técnicas clave de ML como regresión, clasificación, clustering y series de tiempo. Los alumnos valoran el enfoque en la implementación práctica con Python y las secciones sobre mejora de la calidad de los modelos. Aunque proporciona un buen panorama general, algunos comentarios sugieren que los alumnos podrían necesitar recursos más avanzados para profundizar en temas específicos o métodos complejos. En general, parece un punto de partida bien estructurado en el campo.
Variedad de temas cubiertos.
"El curso cubre muchos temas diferentes, desde regresión hasta series de tiempo."
"Abarca clustering y técnicas de mejora, lo cual es completo."
"Tiene un temario bastante ambicioso para un solo curso introductorio."
Ideal para principiantes.
"Es un excelente primer paso si eres nuevo en Machine Learning y modelos predictivos."
"Recomendaría este curso a cualquiera que quiera iniciarse en el uso práctico de ML."
"Me dio la confianza necesaria para explorar temas de ML más a fondo por mi cuenta."
Introducción a técnicas esenciales.
"Me dio una buena visión general de los principales algoritmos de ML."
"Aprendí los conceptos básicos de regresión y clasificación que son fundamentales."
"El curso abarca los temas esenciales para empezar en modelos predictivos."
Cómo evaluar y optimizar.
"La sección sobre cómo mejorar los modelos fue muy útil para entender la evaluación."
"Aprender a usar métricas como la curva ROC fue muy relevante para mis proyectos."
"Los métodos de ensamble fueron un buen extra para optimizar mis resultados."
Implementación con código.
"Valoro mucho que se enfoque en cómo implementar los modelos con Python."
"Los notebooks de Jupyter son muy útiles para seguir y practicar."
"Me gusta poder ver el código y aplicarlo directamente a problemas."
Algunos temas son breves.
"Siento que algunos temas se tocaron un poco por encima y me quedé con ganas de más detalles."
"Para ser experto, necesitaré complementar este curso con otros más detallados."
"Aunque la introducción es buena, la profundidad en ciertos algoritmos es limitada para mi nivel."
Activities
Be better prepared
before
your course. Deepen your understanding
during
and
after
it. Supplement your coursework and achieve mastery of the topics covered
in Modelos predictivos con Machine Learning with these
activities:
Repasar los fundamentos de Python
Show steps
Refrescar los conocimientos básicos de Python ayudará a comprender mejor la implementación de modelos de Machine Learning en el curso.
Browse courses on
Python
Show steps
-
Revisar la sintaxis básica de Python.
-
Practicar con ejercicios de programación sencillos.
-
Repasar el uso de bibliotecas como NumPy y Pandas.
Consultar 'Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow' de Aurélien Géron
Show steps
Consultar este libro ayudará a comprender la implementación práctica de los modelos de Machine Learning utilizando las bibliotecas más populares.
View
Hands-On Machine Learning with Scikit-Learn,...
on Amazon
Show steps
-
Buscar los capítulos relevantes a los temas del curso.
-
Revisar los ejemplos de código y adaptarlos a tus proyectos.
-
Consultar el libro para resolver dudas y problemas específicos.
Leer 'Python Machine Learning' de Sebastian Raschka
Show steps
Leer este libro proporcionará una base sólida en los conceptos y técnicas de Machine Learning cubiertos en el curso.
View
Machine Learning with PyTorch and Scikit-Learn:...
on Amazon
Show steps
-
Leer los capítulos relevantes a los temas del curso.
-
Realizar los ejercicios y ejemplos del libro.
-
Tomar notas sobre los conceptos clave.
Four other activities
Expand to see all activities and additional details
Show all seven activities
Crear un glosario de términos de Machine Learning
Show steps
Crear un glosario de términos ayudará a comprender y recordar los conceptos clave del curso.
Show steps
-
Identificar los términos más importantes del curso.
-
Definir cada término de manera clara y concisa.
-
Organizar el glosario alfabéticamente.
Practicar con conjuntos de datos de Kaggle
Show steps
Practicar con conjuntos de datos reales en Kaggle ayudará a aplicar los conocimientos adquiridos en el curso y a desarrollar habilidades de resolución de problemas.
Show steps
-
Seleccionar un conjunto de datos relevante para el curso.
-
Aplicar los modelos predictivos aprendidos en el curso.
-
Evaluar el rendimiento de los modelos y realizar ajustes.
Crear un blog sobre un modelo predictivo
Show steps
Crear un blog sobre un modelo predictivo específico ayudará a consolidar los conocimientos y a comunicarlos de manera efectiva.
Show steps
-
Elegir un modelo predictivo de interés.
-
Investigar a fondo el modelo y sus aplicaciones.
-
Escribir un artículo de blog claro y conciso.
-
Publicar el blog y compartirlo en redes sociales.
Desarrollar un modelo predictivo para un problema real
Show steps
Desarrollar un modelo predictivo para un problema real permitirá aplicar todos los conocimientos adquiridos en el curso y a crear un proyecto tangible.
Show steps
-
Identificar un problema real que pueda ser resuelto con Machine Learning.
-
Recopilar y preparar los datos necesarios.
-
Implementar y evaluar diferentes modelos predictivos.
-
Optimizar el modelo y presentar los resultados.
Repasar los fundamentos de Python
Show steps
Refrescar los conocimientos básicos de Python ayudará a comprender mejor la implementación de modelos de Machine Learning en el curso.
Browse courses on
Python
Show steps
Show steps
Show steps
- Revisar la sintaxis básica de Python.
- Practicar con ejercicios de programación sencillos.
- Repasar el uso de bibliotecas como NumPy y Pandas.
Consultar 'Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow' de Aurélien Géron
Show steps
Consultar este libro ayudará a comprender la implementación práctica de los modelos de Machine Learning utilizando las bibliotecas más populares.
View
Hands-On Machine Learning with Scikit-Learn,...
on Amazon
Show steps
Show steps
Show steps
- Buscar los capítulos relevantes a los temas del curso.
- Revisar los ejemplos de código y adaptarlos a tus proyectos.
- Consultar el libro para resolver dudas y problemas específicos.
Leer 'Python Machine Learning' de Sebastian Raschka
Show steps
Leer este libro proporcionará una base sólida en los conceptos y técnicas de Machine Learning cubiertos en el curso.
View
Machine Learning with PyTorch and Scikit-Learn:...
on Amazon
Show steps
Show steps
Show steps
- Leer los capítulos relevantes a los temas del curso.
- Realizar los ejercicios y ejemplos del libro.
- Tomar notas sobre los conceptos clave.
Four other activities
Expand to see all activities and additional details
Show all seven activities
Crear un glosario de términos de Machine Learning
Show steps
Crear un glosario de términos ayudará a comprender y recordar los conceptos clave del curso.
Show steps
Show steps
Show steps
- Identificar los términos más importantes del curso.
- Definir cada término de manera clara y concisa.
- Organizar el glosario alfabéticamente.
Practicar con conjuntos de datos de Kaggle
Show steps
Practicar con conjuntos de datos reales en Kaggle ayudará a aplicar los conocimientos adquiridos en el curso y a desarrollar habilidades de resolución de problemas.
Show steps
Show steps
Show steps
- Seleccionar un conjunto de datos relevante para el curso.
- Aplicar los modelos predictivos aprendidos en el curso.
- Evaluar el rendimiento de los modelos y realizar ajustes.
Crear un blog sobre un modelo predictivo
Show steps
Crear un blog sobre un modelo predictivo específico ayudará a consolidar los conocimientos y a comunicarlos de manera efectiva.
Show steps
Show steps
Show steps
- Elegir un modelo predictivo de interés.
- Investigar a fondo el modelo y sus aplicaciones.
- Escribir un artículo de blog claro y conciso.
- Publicar el blog y compartirlo en redes sociales.
Desarrollar un modelo predictivo para un problema real
Show steps
Desarrollar un modelo predictivo para un problema real permitirá aplicar todos los conocimientos adquiridos en el curso y a crear un proyecto tangible.
Show steps
Show steps
Show steps
- Identificar un problema real que pueda ser resuelto con Machine Learning.
- Recopilar y preparar los datos necesarios.
- Implementar y evaluar diferentes modelos predictivos.
- Optimizar el modelo y presentar los resultados.
Career center
Learners who complete Modelos predictivos con Machine Learning will develop knowledge and skills
that may be useful to these careers:
Científico de datos
Científico de datos
Un científico de datos extrae conocimiento e información de datos mediante el uso de diversas técnicas, algoritmos y modelos. Este curso ayuda a construir una base sólida para aquellos que aspiran a ser científicos de datos, pues proporciona una comprensión integral de los modelos predictivos utilizando técnicas de Machine Learning. Conocer a fondo los modelos de regresión y clasificación, y aprender a mejorar los modelos predictivos, puede ser de gran utilidad en la práctica de la ciencia de datos. El curso, con su enfoque en Python y bibliotecas especializadas, prepara a los estudiantes para abordar problemáticas reales y aplicar sus conocimientos en el campo. El científico de datos podrá implementar, evaluar y mejorar modelos predictivos con las herramientas y conocimientos adquiridos en el temario.
Analista de Aprendizaje Automático
Analista de Aprendizaje Automático
El analista de aprendizaje automático utiliza algoritmos y modelos de Machine Learning para analizar datos y extraer información valiosa que ayude a la toma de decisiones. Este curso es ideal para quienes buscan convertirse en analistas de aprendizaje automático, ya que cubre desde la introducción a la modelación de datos hasta técnicas avanzadas de regresión y agrupamiento. Aprender a implementar, evaluar y mejorar modelos predictivos, y utilizar herramientas como Python y bibliotecas especializadas, prepara a los estudiantes para analizar grandes conjuntos de datos y construir modelos robustos. Los analistas de aprendizaje automático pueden aprovechar los conocimientos adquiridos para predecir valores futuros, clasificar datos y mejorar el rendimiento de los modelos en contextos diversos.
Ingeniero de Aprendizaje Automático
Ingeniero de Aprendizaje Automático
El ingeniero de aprendizaje automático se encarga de diseñar, desarrollar y desplegar modelos y sistemas de Machine Learning. Este curso es muy beneficioso para aquellos que aspiran a ser ingenieros de aprendizaje automático, ya que proporciona una comprensión profunda de los modelos predictivos y técnicas de Machine Learning. Aprender a implementar modelos de regresión y clasificación, mejorar modelos utilizando variables dummy y selección de características, y trabajar con técnicas de agrupamiento y series de tiempo son habilidades esenciales. El ingeniero de aprendizaje automático puede utilizar el conocimiento adquirido para construir sistemas de Machine Learning eficientes y escalables, aplicar modelos predictivos a problemáticas reales y mejorar el rendimiento de los sistemas en producción.
Consultor de Inteligencia Artificial
Consultor de Inteligencia Artificial
Un consultor de inteligencia artificial asesora a empresas en la implementación de soluciones basadas en inteligencia artificial y Machine Learning. Este curso ayuda a construir una base sólida para los consultores, ya que permite comprender los modelos predictivos y técnicas de Machine Learning. El consultor de inteligencia artificial puede utilizar los conocimientos adquiridos para identificar oportunidades de aplicación de modelos predictivos, implementar soluciones personalizadas y mejorar el rendimiento de los modelos en diversos contextos empresariales. La capacidad de implementar, evaluar y mejorar modelos predictivos, y el dominio de herramientas como Python, son habilidades muy valiosas para un consultor de inteligencia artificial.
Analista de Datos
Analista de Datos
El analista de datos examina conjuntos de datos para identificar tendencias, patrones y conocimientos que puedan ayudar a las organizaciones a tomar decisiones más informadas. Este curso puede ser muy útil para un analista de datos, ya que cubre los fundamentos del modelado de datos y los diferentes tipos de modelos predictivos. Aprender a implementar y evaluar modelos de regresión y clasificación, y a mejorar los modelos utilizando diversas métricas de evaluación, proporciona una base sólida para el análisis de datos. El analista de datos puede utilizar los conocimientos adquiridos para predecir tendencias, clasificar datos y mejorar la precisión de los análisis en diferentes contextos.
Analista de negocios
Analista de negocios
El analista de negocios identifica las necesidades de una organización y propone soluciones para mejorar la eficiencia y la rentabilidad. Este curso puede ser útil para un analista de negocios, ya que aprender a implementar modelos predictivos con Machine Learning permite analizar datos para identificar patrones y tendencias que puedan influir en las decisiones empresariales. La capacidad de predecir valores futuros y clasificar datos puede ayudar al analista de negocios a tomar decisiones más informadas y a proponer soluciones más efectivas. Conocer la introducción a la modelación de datos es fundamental para el trabajo de un analista de negocios.
Analista de Inversiones
Analista de Inversiones
El analista de inversiones evalúa oportunidades de inversión en los mercados financieros, analizando datos económicos y financieros. El curso es valioso para un analista de inversiones ya que desarrolla habilidades para predecir el rendimiento de activos financieros. Aprender a analizar series de tiempo y predecir valores futuros permite al analista de inversiones anticipar movimientos del mercado, evaluar riesgos y tomar decisiones de inversión más informadas. La capacidad de mejorar los modelos predictivos con técnicas avanzadas incrementa la precisión de las predicciones y la eficiencia de las inversiones.
Analista de riesgos
Analista de riesgos
El analista de riesgos evalúa y gestiona los riesgos financieros y operativos de una organización. Este curso puede ser de utilidad para un analista de riesgos, ya que aprender a implementar modelos predictivos con Machine Learning permite predecir y evaluar riesgos con mayor precisión. La capacidad de analizar series de tiempo y predecir valores futuros puede ayudar al analista de riesgos a anticipar posibles pérdidas y a tomar medidas preventivas. Los conocimientos adquiridos en el curso pueden mejorar la capacidad del analista de riesgos para identificar, evaluar y mitigar los riesgos en diferentes áreas de la organización. La regresión logística será especialmente helpful.
Actuario
Actuario
Un actuario evalúa y gestiona riesgos financieros, especialmente en seguros y pensiones, utilizando modelos estadísticos y matemáticos. El actuario puede utilizar este curso para construir modelos predictivos más precisos y sofisticados. Aprender a implementar y mejorar modelos de regresión, clasificación, agrupamiento y series de tiempo permite al actuario predecir eventos futuros con mayor exactitud. El conocimiento de Python y bibliotecas especializadas facilita la implementación de modelos complejos y la automatización del análisis de datos. Esta preparación complementa la formación tradicional del actuario, permitiéndole abordar problemas complejos con herramientas modernas.
Investigador Científico
Investigador Científico
Este curso es valioso para un investigador científico, quien realiza investigaciones en diversos campos como la biología, la física o la economía. Los modelos predictivos permiten analizar datos experimentales y simular fenómenos complejos. El investigador científico puede usar este aprendizaje para desarrollar modelos predictivos que les permitan comprender mejor los mecanismos subyacentes a los fenómenos que estudian, validar hipótesis y diseñar nuevos experimentos.
Planificador Financiero
Planificador Financiero
Un planificador financiero ayuda a las personas a gestionar sus finanzas personales y a alcanzar sus objetivos financieros a largo plazo. Este curso puede ser útil para un planificador financiero, ya que permite simular escenarios financieros y predecir el impacto de diferentes decisiones en el patrimonio del cliente. Aprender sobre modelos de regresión y series de tiempo permite al planificador financiero proyectar ingresos, gastos y el crecimiento de inversiones, lo que facilita la creación de planes financieros personalizados y realistas. El planificador financiero estará en una mejor posición para ayudar a sus clientes.
Ingeniero de Software
Ingeniero de Software
El ingeniero de software desarrolla y mantiene aplicaciones y sistemas informáticos. Este curso puede ser útil para un ingeniero de software, ya que aprender a implementar modelos predictivos con Machine Learning permite integrar funcionalidades de inteligencia artificial en las aplicaciones. La capacidad de construir modelos robustos y mejorar su rendimiento puede ayudar al ingeniero de software a desarrollar aplicaciones más inteligentes y eficientes. El conocimiento de Python y bibliotecas especializadas adquirido en el curso puede ser especialmente útil para integrar modelos de Machine Learning en las aplicaciones. Un ingeniero de software may find this useful.
Gerente de Producto
Gerente de Producto
Un gerente de producto es responsable de la estrategia, hoja de ruta y especificación de características de un producto. Este curso puede ser útil para un gerente de producto, sobre todo si trabaja en productos que requieren conocimientos de Machine Learning. El gerente de producto puede utilizar el curso para entender cómo los modelos predictivos pueden mejorar un producto y cómo implementar esas predicciones. Por ejemplo, mejorar las recomendaciones a los usuarios, o personalizar las experiencias de los mismos.
Arquitecto de Datos
Arquitecto de Datos
El arquitecto de datos diseña y gestiona la infraestructura de datos de una organización. Este curso puede ser útil para un arquitecto de datos, ya que aprender sobre modelado de datos y técnicas de agrupamiento proporciona una base sólida para la organización y estructuración de los datos. La capacidad de preparar datos para el análisis y de utilizar técnicas de agrupamiento como K-means puede ayudar al arquitecto de datos a optimizar la gestión de los datos y a facilitar su acceso para el análisis. Adicionalmente, el curso enseña como mejorar la calidad de los modelos.
Estratega de Mercados
Estratega de Mercados
El estratega de mercados desarrolla e implementa estrategias de marketing para promocionar productos o servicios. Este curso puede ser útil para un estratega de mercados, ya que aprender sobre modelos predictivos con Machine Learning permite analizar el comportamiento del consumidor y predecir tendencias del mercado. La capacidad de clasificar clientes y predecir sus necesidades puede ayudar al estratega de mercados a segmentar el mercado, personalizar campañas y optimizar el presupuesto de marketing. Adicionalmente, la regresión lineal puede be helpful.
For more career information including salaries, visit:
OpenCourser.com/course/iuqy7q/modelos
Reading list
We've selected two books
that we think will supplement your
learning. Use these to
develop background knowledge, enrich your coursework, and gain a
deeper understanding of the topics covered in
Modelos predictivos con Machine Learning.
Este libro proporciona una introducción completa al Machine Learning con Python. Cubre una amplia gama de algoritmos y técnicas, desde regresión lineal hasta redes neuronales. Es un recurso valioso para comprender los conceptos teóricos y prácticos del Machine Learning, y sirve como una excelente referencia durante el curso. Este libro es comúnmente usado como un libro de texto en instituciones académicas.
Este libro es una guía práctica para implementar modelos de Machine Learning utilizando Scikit-Learn, Keras y TensorFlow. Proporciona ejemplos concretos y explicaciones detalladas de los algoritmos. Es útil como referencia para la implementación de modelos y para comprender las mejores prácticas en Machine Learning. Este libro es valioso como lectura adicional para profundizar en los temas del curso.
For more information about how these books relate to this course, visit:
OpenCourser.com/course/iuqy7q/modelos
Share
Similar courses
Similar courses are unavailable at this time. Please try again later.
Effort
4 semanas
Level
Intermediate
Via
Coursera
Institution
Universidades Anáhuac
Instructors
Eduardo Rodríguez del Angel
Jorge Alberto Cerecedo Cordoba
Language
Español
Our mission
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
Affiliate disclosure
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.
© 2016 - 2025 OpenCourser