Curso Machine Learning con Python de IBM Cognitive Class
Este curso es de IBM y el Link de acceso al curso:
https://cognitiveclass.ai/courses/machine-learning-with-python
Este curso de aprendizaje automático con Python se sumerge en los conceptos básicos del aprendizaje automático mediante un lenguaje de programación accesible y conocido. Aprenderá sobre el aprendizaje supervisado y no supervisado, verá cómo se relaciona el modelado estadístico con el aprendizaje automático y hará una comparación de cada uno. ¡Mire ejemplos de la vida real de aprendizaje automático y cómo afecta a la sociedad de maneras que quizás no haya adivinado! Explore muchos algoritmos y modelos:
• Algoritmos populares: clasificación, regresión, agrupamiento y reducción de la dimensión.
- Modelos populares: Train / Test Split Root Mean Squared Error y Bosques aleatorios. ¡Prepárate para aprender más que tu máquina!
Module 1 - Supervised vs Unsupervised Learning
- Machine Learning vs Statistical Modelling
- Supervised vs Unsupervised Learning
- Supervised Learning Classification
- Unsupervised Learning
Module 2 - Supervised Learning I
- K-Nearest Neighbors
- Decision Trees
- Random Forests
- Reliability of Random Forests
- Advantages & Disadvantages of Decision Trees
Module 3 - Supervised Learning II
- Regression Algorithms
- Model Evaluation
- Model Evaluation: Overfitting & Underfitting
- Understanding Different Evaluation Models
Module 4 - Unsupervised Learning
- K-Means Clustering plus Advantages & Disadvantages
- Hierarchical Clustering plus Advantages & Disadvantages
- Measuring the Distances Between Clusters - Single Linkage Clustering
- Measuring the Distances Between Clusters - Algorithms for Hierarchy Clustering
- Density-Based Clustering
Module 5 - Dimensionality Reduction & Collaborative Filtering
- Dimensionality Reduction: Feature Extraction & Selection
- Collaborative Filtering & Its Challenges