Machine Learning - Python & R In Data Science para PC

44 hours on-demand video lectures.
Complete machine learning data science course.

Curso completo de udemy gratis.
Lo que vas a aprender


Master Machine Learning en Python & R
Tener una gran intuición de muchos modelos de Machine Learning
Hacer predicciones precisas
Haz un análisis poderoso
Hacer modelos robustos de aprendizaje automático
Crea un fuerte valor agregado para tu negocio
Usar Machine Learning para fines personales
Manejar temas específicos como el aprendizaje por refuerzo, PNL y aprendizaje profundo
Manejar técnicas avanzadas como la reducción de dimensionalidad
Sepa qué modelo de Machine Learning elegir para cada tipo de problema
Construya un ejército de poderosos modelos de Machine Learning y sepa cómo combinarlos para resolver cualquier problema.


Descripción
¿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 teoría compleja, algoritmos y bibliotecas de codificación de una manera simple.

Te 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 la ciencia de datos.

Este curso es divertido y emocionante, pero al mismo tiempo nos sumergimos profundamente en Machine Learning. Está estructurado de la siguiente manera:

Parte 1: preprocesamiento de datos
Parte 2: Regresión: Regresión lineal simple, Regresión lineal múltiple, Regresión polinómica, SVR, Regresión de árbol de decisión, Regresión forestal aleatoria
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-medias, agrupación jerárquica
Parte 5 - Aprendizaje de reglas de asociación: Apriori, Eclat
Parte 6 - Aprendizaje de refuerzo: límite de confianza superior, muestreo de Thompson
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: validación cruzada k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost
Además, el curso está repleto de ejercicios prácticos basados ​​en ejemplos de la vida real. Entonces, 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 código Python y R que puede descargar y usar en sus propios proyectos.

Para quién es este curso:
Cualquier persona interesada en Machine Learning.
Estudiantes que tienen al menos conocimientos de matemáticas en la escuela secundaria y que desean 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 obtener más información y explorar todos los diferentes campos del aprendizaje automático.
Cualquier persona que no se sienta cómoda con la codificación pero que esté interesada en el aprendizaje automático y quiera aplicarla fácilmente en los conjuntos de datos.
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 a su negocio mediante el uso de potentes herramientas de Machine Learning.