Machine Learning Modelos de Clasificación con Python
Clasifica y predice una categoría de conjuntos de datos etiquetados o sin etiquetar y aprende a reducir su dimensionalidad.
En este curso aprenderás el uso de algoritmos de Machine Learning de Clasificación, con los cuales podremos utilizar nuestros datos históricos para clasificar diferentes categorías.
Con el uso de Machine Learning Modelos de Clasificación podrás responder a preguntas de gran utilidad en los negocios como por ejemplo:
- ¿Es una transacción fraudulenta o no?
- ¿Un vuelo llegará a tiempo o no?
- ¿El cliente pagará su crédito o no?
- ¿El tipo de tumor es benigno o maligno?
- ¿Al cliente le gustará esta película o no?
- ¿Una máquina fallará o no?
- ¿Qué tipo de deporte realiza un usuario de un dispositivo? (Caminar, nadar, correr, etc)
- ¿Qué tipo de campaña publicitaria dirigimos a cada cliente?
Esto lo lograrás a través del uso de algunos algoritmos que estudiaremos en este curso, entre ellos:
- Naive Bayes
- k Nearest Neighbors
- Regresión Logarítmica
- Árboles de Decisión
- Clustering Jerárquico
- Clustering kmeans
- Análisis de Componentes Principales
- Maquinas de Soporte Vectorial
- Entre otros
Adquirir estas nuevas habilidades te permitirán responder las interrogantes del negocio con analítica avanzada de datos.
¡Empieza ya con este curso y aprende técnicas utilizadas en la Ciencia de los Datos!
Nos vemos en el curso.
Tu Instructor
Hola, mi nombre es Esteban Madrigal Solis, me desempeño profesionalmente como Desarrollador de Inteligencia de Negocios y Científico de Datos. Trabajo en la industria del retail, en una de las empresas más grande del mundo.
En el ámbito académico me desempeño como instructor y consultor en múltiples empresas en herramientas para el análisis de datos tales como Power BI, SQL, Tableau, Alteryx, R y Python, dichas actividades me permiten ampliar mis conocimientos y mis redes de contactos, logrando transmitir mi experiencia y buenas prácticas a todos mis estudiantes.
Te espero en el curso, ¡no te arrepentirás!.
Plan de Estudios
-
Inicio2.1 Conceptos Naive Bayes (5:41)
-
Inicio2.2 Exploración de Datos (10:24)
-
Inicio2.3 Visualización y Transformación (4:57)
-
Inicio2.4 Análisis Probabilístico (Teórico-Práctico) (6:50)
-
Inicio2.5 Aplicación del Algoritmo (10:49)
-
Inicio2.6 Métricas de Evaluación (4:13)
-
Inicio2.7 Múltiples Variables Predictoras (13:02)
-
Inicio3.1 Conceptos Decision Tree (8:13)
-
Inicio3.2 Exploración y Transformación (8:50)
-
Inicio3.3 Aplicación del Algoritmo (10:18)
-
Inicio3.4 Métricas de Evaluación (4:25)
-
Inicio3.5 Profundidad Óptima (4:02)
-
Inicio3.6 Ejercicio Práctico 2 (6:06)
-
Inicio3.7 Múltiples Variables Predictoras (5:13)
-
Inicio3.8 Hiperparámetros (5:31)