Solo un nivel de matemáticas de secundaria.

¿Interesado en el campo del aprendizaje automático? ¡Entonces este curso es para ti!

Este curso ha sido diseñado por dos científicos de datos profesionales para que podamos
compartir nuestro conocimiento y ayudarlo a aprender complejas teorías, algoritmos y
bibliotecas de codificación de una manera sencilla.

Lo guiaremos paso a paso en el mundo del aprendizaje automático. Con cada tutorial,
desarrollará nuevas habilidades y mejorará su comprensión de este desafiante pero lucrativo
subcampo de Data Science.

Este curso es divertido y emocionante, pero al mismo tiempo nos sumergimos en el

aprendizaje automático. Está estructurado de la siguiente manera:

Parte 1 - Preprocesamiento de datos

Parte 2 - Regresión: regresión lineal simple, regresión lineal múltiple, regresión polinómica,
RVS, regresión del árbol de decisión, regresión aleatoria del bosque

Parte 3 - Clasificación: Regresión logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación
del árbol de decisión, Clasificación aleatoria del bosque

Parte 4 - Agrupación: K-Means, Agrupación jerárquica

Parte 5 - Aprendizaje de reglas de asociación: Apriori, Eclat

Parte 6 - Aprendizaje de refuerzo: Upper Confidence Bound, Thompson Sampling

Parte 7 - Procesamiento del lenguaje natural: modelo de bolsa de palabras y algoritmos para
PNL

Parte 8 - Aprendizaje profundo: redes neuronales artificiales, redes neuronales

convolucionales

Parte 9 - Reducción de dimensionalidad: PCA, LDA, Kernel PCA

Parte 10 - Selección y refuerzo del modelo: k-fold Cross Validation, Parameter Tuning, Grid
Search, XGBoost

Además, el curso está repleto de ejercicios prácticos que se basan en ejemplos de la vida real.
Por lo tanto, no solo aprenderá la teoría, sino que también obtendrá práctica práctica para
construir sus propios modelos.

Y como beneficio adicional, este curso incluye plantillas de códigos Python y R que puedes
descargar y usar en tus propios proyectos.
¿A quién está dirigido?

Cualquier persona interesada en el aprendizaje automático.

Los estudiantes que tienen al menos el conocimiento de la escuela secundaria en matemáticas

y que quieren comenzar a aprender Machine Learning.

Cualquier persona de nivel intermedio que conozca los conceptos básicos del aprendizaje
automático, incluidos los algoritmos clásicos, como la regresión lineal o la regresión logística,
pero que quieran aprender más al respecto y explorar todos los diferentes campos del
aprendizaje automático.

Cualquier persona que no esté tan cómoda con la codificación pero que esté interesada en
Machine Learning y desee aplicarla fácilmente en datasets.

Cualquier estudiante en la universidad que quiera comenzar una carrera en Data Science.

Cualquier analista de datos que quiera subir de nivel en Machine Learning.

Cualquier persona que no esté satisfecha con su trabajo y que quiera convertirse en Data
Scientist.

Cualquier persona que quiera crear valor agregado para su negocio mediante el uso de
potentes herramientas de Machine Learning.