ESQUEMA DEL CURSO
Fundamentos del Aprendizaje Automático
Fundamentos del Aprendizaje Automático - ML
1.1 Puntos Clave
Aprendizaje Automático Supervisado Aprendizaje Automático no Supervisado
Aprendizaje Automático por Refuerzo
1.2 Introducción K-Nearest Neighbors
Introducción
Introducción a los Datos
K-nearest Neighbors
Distancia Euclidiana
Calcular la Distancia para Todas las Observaciones
Aleatoriedad y Clasificación
Precio Promedio
Funciones de Predicción
1.3 Evaluación del Rendimiento del Modelo
Comprobando la Calidad de las Predicciones
Métricas de Error
Error Cuadrático Medio
Entrenamiento de Otro Modelo
Raíz del Error Cuadrático Medio
Comparación del MAE y el RMSE
1.4 Multivariante del Método K-Nearest Neighbors Recapitulemos
Eliminación de Características
Manejo de los Valores Perdidos Normalización de Columnas
Cálculo del MSE con Scikit-Learn Utilización de más Funciones Utilización de Todas las Funciones
1.5 Optimización de Hiperparámetros Recapitulación
Optimización de Hiperparámetros Ampliar la Búsqueda en la Cuadrícula Visualización de los Valores de los Hiperparámetros
1.6 Validación Cruzada
Concepto
Validación de la Retención
Validación Cruzada K-Fold
1.7 Proyecto Guiado: Predicción de los Precios de Automóviles
Proyecto Guiado: Predicción de los Precios de Automóviles
II Cálculo para el Aprendizaje Automático
Cálculo para el Aprendizaje Automático
Comprender las Funciones Lineales y No Lineales
Comprensión de los Límites
Encontrar Puntos Extremos
III Álgebra Lineal para el Aprendizaje Automático Álgebra Lineal para el Aprendizaje Automático
Sistemas Lineales
Vectores
Álgebra Matricial
Conjuntos de Soluciones
IV Regresión Lineal para el Aprendizaje Automático Regresión Lineal para el Aprendizaje Automático Modelo de Regresión Lineal
Algebra Lineal para el Aprendizaje Automático Sistemas Lineales
Vectores
Álgebra Matricial
Conjuntos de Soluciones
IV Regresión Lineal para el Aprendizaje Automático
Regresión Lineal para el Aprendizaje Automático Modelo de Regresión Lineal
Selección de Características
Descenso de Gradientes
Mínimos Cuadrados Ordinarios
Características de Procesamiento y Transformación
Proyecto Guiado: Pronóstico de los Precios de Venta de la Vivienda
V Aprendizaje Automático en Python
Regresión Logística
Introducción a la Evaluación de Clasificadores Binarios
Clasificación Multiclase
Sobreajustes
Fundamentos de Agrupación (Clustering)
Agrupación (Clustering) de K-means
Proyecto Guiado: Predicción de la Bolsa
VI Árbol de Decisiones
Árbol de Decisiones
¿Por qué utilizar Árboles de Decisiones? Terminología de los Árboles de Decisiones
Cómo Funciona el Algoritmo del Árbol de Decisiones Poda: Obtención de un Árbol de Decisión óptimo Ventajas del Árbol de Decisiones
Desventajas del Árbol de Decisiones
Implementación en Python del Árbol de Decisiones Proyecto Guiado: Predicción del Alquiler de Bicicletas Referencias y Bibliografía