We may earn an affiliate commission when you visit our partners.
Course image
Eduardo Rodríguez del Angel and Jorge Alberto Cerecedo Cordoba

La ciencia de los datos es soportada por diversas áreas de conocimiento, siendo el aprendizaje automático una de las más relevantes. ¿Y qué es esto? Es la creación de modelos predictivos, regresivos y de clasificación a partir de una fuente amplia de datos, que se divide en dos principales categorías: Aprendizaje Supervisado y No Supervisado. En este curso aprenderás los fundamentos del aprendizaje automático y obtendrás las herramientas necesarias para la creación de modelos de predicción, regresión y clasificación con ayuda de Phyton.

Two deals to help you save

What's inside

Learning objectives

  • Reconocerás el alcance del machine learning en la robótica.
  • Construirás modelos de regresión y clasificación.
  • Aplicarás técnicas de optimización de modelos.
  • Serás capaz de hacer modelos para realizar predicciones a traves de machine learning.

Syllabus

Módulo 1: Introducción al modelado de datos.
Este módulo es un preambulo al curso. Instalarás el software necesario para trabajar en el contenido del curso. Modelarás conjuntos de datos mediante el método de regresión lineal para realizar predicciones simples e introducirte a los alcances del machine learning.
Read more
Módulo 2: Regresión y clasificación.
Implementarás métodos de regresión y clasificación de datos para definir modelos matemáticos que permitan la predicción, análisis e identificación de patrones para tomar decisiones acertadas.
Módulo 3: Mejorando tus modelos.
Utilizaras diferentes métodos de selección de variables y preparación de conjunto de datos para optimizar tus modelos de predicción y control utilizando distintos métodos de aprendizaje de máquina basado en lenguaje Python.
Módulo 4: Agrupamiento y series de tiempo.
Profundizarás en técnicas de optimización para los modelos mas complejos. Además, aplicarás algoritmos de agrupamientos y series de tiempo para que tus modelos generen predicciones mas precisas.

Good to know

Know what's good
, what to watch for
, and possible dealbreakers
Desarrolla habilidades esenciales para el modelado de datos, un campo en auge en la industria y la academia
Introduce conceptos fundamentales de aprendizaje automático, una habilidad muy demandada en diversas industrias
Emplea Python como lenguaje de programación principal, ampliamente utilizado en ciencia de datos y aprendizaje automático
Cubre técnicas avanzadas de optimización y agrupamiento para mejorar la precisión de los modelos
Requiere conocimientos previos de estadística y programación, lo que puede ser una barrera para principiantes absolutos

Save this course

Save Modelos predictivos con Machine Learning to your list so you can find it easily later:
Save

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:
Revise basic linear algebra
Reviewing basic linear algebra concepts will strengthen your foundation for understanding machine learning algorithms.
Browse courses on Linear Algebra
Show steps
  • Review matrix operations like addition, subtraction, and matrix multiplication.
  • Practice solving systems of linear equations using methods like Gaussian elimination.
  • Explore concepts of vector spaces, subspaces, and linear transformations.
Participate in study groups or discussion forums
Engaging in discussions and sharing knowledge with peers can enhance your understanding and identify areas for improvement.
Browse courses on Collaborative Learning
Show steps
  • Join online forums or discussion groups related to machine learning.
  • Participate in discussions, ask questions, and share your insights.
  • Attend virtual or in-person study groups with classmates or fellow learners.
Follow tutorials on supervised and unsupervised learning
Guided tutorials will provide a structured approach to grasp the different types of machine learning algorithms and their applications.
Show steps
  • Search for online tutorials or courses on supervised learning algorithms like linear regression and decision trees.
  • Explore tutorials focusing on unsupervised learning algorithms like clustering and dimensionality reduction.
  • Work through the tutorials and complete the practice exercises or assignments.
Four other activities
Expand to see all activities and additional details
Show all seven activities
Seek guidance from experts or experienced practitioners
Connecting with experts in the field can provide valuable insights and support throughout your learning journey.
Browse courses on Mentorship
Show steps
  • Identify potential mentors through professional networks or online platforms.
  • Reach out to mentors and express your interest in connecting.
  • Schedule regular meetings or virtual calls to seek guidance and feedback.
Solve practice problems on regression and classification tasks
Regular practice with problem-solving will reinforce your understanding of how to apply machine learning techniques to real-world data.
Show steps
  • Find online platforms or textbooks with practice problems in regression and classification.
  • Attempt to solve the problems using the machine learning algorithms you have learned.
  • Compare your solutions with provided answers or discuss them with peers or instructors.
Contribute to open-source machine learning projects
Participating in open-source projects exposes you to real-world machine learning applications and best practices.
Browse courses on Community Involvement
Show steps
  • Explore open-source machine learning repositories on platforms like GitHub.
  • Identify projects that align with your interests and skill level.
  • Contribute to discussions, report bugs, or suggest improvements.
  • Consider making code contributions or developing new features.
Build a machine learning model for a real-world problem
Hands-on experience in building a machine learning model will provide a deeper understanding of the entire process and its challenges.
Show steps
  • Identify a real-world problem that can be addressed with machine learning.
  • Collect and prepare relevant data for the problem.
  • Choose appropriate machine learning algorithms and train models using the data.
  • Evaluate the performance of your models and make necessary adjustments.
  • Present your findings and the developed model to peers or instructors.

Career center

Learners who complete Modelos predictivos con Machine Learning will develop knowledge and skills that may be useful to these careers:
Profesor de aprendizaje automático
El Profesor de Aprendizaje Automático imparte cursos y realiza investigaciones en el campo del aprendizaje automático. Este curso te proporcionará una base sólida en los fundamentos del aprendizaje automático, así como las habilidades para comunicarlos de manera efectiva a los estudiantes.
Ingeniero de Aprendizaje Automático
El Ingeniero de Aprendizaje Automático diseña y desarrolla modelos de aprendizaje automático para diversas aplicaciones. Este curso te equipará con las habilidades para construir y optimizar modelos de regresión y clasificación, lo que te permitirá liderar proyectos de aprendizaje automático con confianza.
Ingeniero de Software de Aprendizaje Automático
El Ingeniero de Software de Aprendizaje Automático diseña y desarrolla sistemas de aprendizaje automático y aplicaciones. Este curso te proporcionará una comprensión de los fundamentos del aprendizaje automático, así como las habilidades para implementar modelos de regresión y clasificación en aplicaciones de software.
Científico de datos
El Científico de Datos utiliza técnicas de aprendizaje automático para resolver problemas comerciales y generar información. Este curso te proporcionará una base sólida en los fundamentos del aprendizaje automático, así como las herramientas para crear modelos predictivos y de clasificación, esenciales para sobresalir en este campo.
Especialista en Ciencia de Datos
El Especialista en Ciencia de Datos colabora con equipos interfuncionales para aplicar técnicas de aprendizaje automático para resolver problemas comerciales. Este curso te proporcionará las habilidades para construir y optimizar modelos de regresión y clasificación, así como para presentar los resultados de manera efectiva, lo que te hará un activo valioso en este puesto.
Consultor de aprendizaje automático
El Consultor de Aprendizaje Automático ayuda a las organizaciones a implementar y utilizar soluciones de aprendizaje automático. Este curso te proporcionará una comprensión integral de los fundamentos y aplicaciones del aprendizaje automático, lo que te permitirá asesorar a los clientes de manera efectiva.
Analista de Datos
El Analista de Datos implementa, evalúa y mejora los modelos de machine learning para obtener información de los datos. Este curso te dará las habilidades necesarias para construir modelos de regresión y clasificación, optimizarlos y utilizarlos para hacer predicciones, lo que te preparará para el éxito en este puesto.
Científico de Datos de Salud
El Científico de Datos de Salud utiliza técnicas de aprendizaje automático para analizar y comprender los datos de salud con el fin de mejorar los resultados de salud. Este curso te proporcionará una base en los fundamentos del aprendizaje automático, así como las habilidades para aplicarlo en el análisis de datos de salud.
Gestor de productos de aprendizaje automático
El Gestor de Productos de Aprendizaje Automático define, prioriza y ejecuta la hoja de ruta del producto para los productos de aprendizaje automático. Este curso te proporcionará una comprensión del alcance del aprendizaje automático, así como las habilidades para evaluar y optimizar modelos de aprendizaje automático.
Ingeniero de Robótica
El Ingeniero de Robótica integra algoritmos de aprendizaje automático en los sistemas robóticos para mejorar su rendimiento. Este curso te proporcionará una comprensión del alcance del aprendizaje automático en robótica, así como las habilidades para crear modelos que permitan a los robots tomar decisiones y realizar tareas de forma autónoma.
Analista de investigación de operaciones
El Analista de Investigación de Operaciones utiliza técnicas analíticas y modelos matemáticos, incluido el aprendizaje automático, para mejorar la eficiencia y la toma de decisiones en las organizaciones. Este curso te proporcionará una base en los fundamentos del aprendizaje automático, así como las habilidades para aplicarlo en la resolución de problemas de investigación de operaciones.
Estadístico
El Estadístico utiliza técnicas estadísticas y modelos matemáticos, incluido el aprendizaje automático, para analizar y comprender los datos. Este curso te introducirá a los fundamentos del aprendizaje automático y te proporcionará las herramientas para aplicarlo en el análisis estadístico.
Analista Cuantitativo
El Analista Cuantitativo utiliza modelos matemáticos y estadísticos, incluido el aprendizaje automático, para evaluar y predecir el rendimiento financiero. Este curso te proporcionará una base en los fundamentos del aprendizaje automático, así como las habilidades para aplicarlo en el análisis financiero.
Ingeniero biomédico
El Ingeniero Biomédico aplica principios de ingeniería y técnicas analíticas, incluido el aprendizaje automático, para resolver problemas en el campo de la medicina. Este curso te proporcionará una comprensión del alcance del aprendizaje automático en biomedicina, así como las habilidades para desarrollar modelos que mejoren los diagnósticos y tratamientos médicos.
Investigador de Operaciones
El Investigador de Operaciones utiliza técnicas analíticas y modelos matemáticos, incluido el aprendizaje automático, para optimizar procesos y tomar decisiones. Este curso te introducirá a los fundamentos del aprendizaje automático y te proporcionará las herramientas para aplicarlos en la resolución de problemas de investigación de operaciones.

Reading list

We've selected ten 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.
Esta guía práctica te ayudará a comprender los conceptos de aprendizaje automático y a desarrollar modelos predictivos utilizando Python. Cubre temas esenciales como la regresión, la clasificación y el agrupamiento.
Este libro se centra en la aplicación práctica del aprendizaje automático utilizando bibliotecas populares como scikit-learn, Keras y TensorFlow. Proporciona ejemplos prácticos y estudios de casos que pueden complementar bien el material del curso.
Este libro académico proporciona una base integral en el procesamiento del lenguaje natural (PNL) utilizando técnicas de aprendizaje automático. Cubre temas como análisis de sentimiento, generación de idiomas y traducción automática.
Este libro proporciona una base sólida en estadística, que es esencial para comprender y utilizar los modelos de aprendizaje automático. Cubre temas como probabilidad, inferencia estadística y análisis de datos.
Este libro proporciona una introducción al aprendizaje automático para el análisis del habla. Cubre temas como reconocimiento de voz, síntesis de voz y procesamiento del lenguaje hablado.
Este libro es una referencia integral sobre redes neuronales profundas, una rama del aprendizaje automático que ha ganado importancia en los últimos años. Si bien puede no ser directamente relevante para el curso, proporciona una visión más profunda de los modelos predictivos complejos.
Este libro ofrece una introducción accesible al aprendizaje automático, adecuada para principiantes o aquellos que buscan una descripción general del campo. Cubre conceptos esenciales y proporciona ejemplos prácticos.
Este libro adopta un enfoque bayesiano del aprendizaje automático, que proporciona una forma probabilística de modelar y hacer inferencias. Si bien es más avanzado, puede ampliar la comprensión de los participantes avanzados.
Este libro se centra en el uso del aprendizaje automático para tareas de visión por computadora, como reconocimiento de objetos, detección de caras y segmentación de imágenes. Proporciona una perspectiva práctica y ejemplos de código en Python.

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Here are nine courses similar to Modelos predictivos con Machine Learning.
Aprendizaje Automático con Python
Most relevant
Introducción a Machine Learning
Most relevant
Modelos predictivos con aprendizaje automático
Most relevant
Introducción a la Inteligencia Artificial
Most relevant
Intro to TensorFlow en Español
Most relevant
Introducción a R para ciencia de datos
Most relevant
Analítica financiera​
Most relevant
How Google does Machine Learning en Español
Most relevant
Smart Analytics, Machine Learning, and AI on GCP en...
Most relevant
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 - 2024 OpenCourser