Descripción del curso
En este curso, aprenderá los conceptos básicos del aprendizaje automático. Se le presentará el aprendizaje automático y algunos de los conceptos y temas relacionados. Comprenderá los diversos tipos y categorías de aprendizaje automático. Este curso también abarcará cómo implementar modelos de aprendizaje automático en Python utilizando el paquete scikit-learn. Se analizarán y demostrarán los métodos de aprendizaje automático supervisados y no supervisados. Todos los conceptos y teorías se unirán mediante ejemplos, así como la discusión de aplicaciones prácticas, desafíos y consideraciones clave. Al final de este curso, reconocerá múltiples tipos de procesos de aprendizaje automático, así como sus beneficios y cómo pueden aplicarse a escenarios del mundo real.
OBJETIVOS DE APRENDIZAJE DEL CURSO
- Aprender qué es el aprendizaje automático y cómo se utiliza
- Conocer los diversos tipos de modelos y algoritmos de aprendizaje automático
- Aprender sobre el aprendizaje automático supervisado
- Aprender sobre el aprendizaje automático no supervisado
- Entender las cosas clave a tener en cuenta tanto antes como durante el trabajo con proyectos y tareas de aprendizaje automático
HABILIDADES
- Selección de modelos (aprendizaje automático)
- Implementación de aprendizaje automático no supervisado
- Implementación de aprendizaje automático supervisado
- Programación Python para aprendizaje automático
- Beneficios e inconvenientes de varias técnicas de aprendizaje automático
Lo que aprenderás
- Defina qué es el aprendizaje automático y cómo se utiliza en escenarios del mundo real
- Distinga los diversos tipos y categorías de modelos y algoritmos de aprendizaje automático
- Aplique métodos de aprendizaje automático supervisado, incluyendo regresión lineal y logística, máquinas de vectores de soporte, árboles de decisión y bosques aleatorios, y redes neuronales
- Aplique métodos de aprendizaje automático no supervisado, incluyendo agrupación, modelos de mezcla gaussiana y aprendizaje de variedades
- Implemente modelos de aprendizaje automático en Python usando el paquete scikit-learn dentro de JupyterLab
- Evalúe consideraciones clave, desafíos y consideraciones éticas antes y durante proyectos de aprendizaje automático
Puntos clave
- El aprendizaje automático se introduce desde los conceptos básicos, cubriendo conceptos y temas relacionados junto con sus tipos y categorías.
- El curso cubre métodos de aprendizaje automático tanto supervisado como no supervisado, demostrando cada uno con ejemplos.
- Los modelos se implementan en Python usando el paquete scikit-learn, con trabajo demostrado en JupyterLab.
- Los conceptos se vinculan a través de aplicaciones prácticas, desafíos y consideraciones clave, incluyendo consideraciones éticas.
- Al final, los estudiantes pueden reconocer múltiples tipos de procesos de aprendizaje automático, sus beneficios y cómo se aplican a escenarios del mundo real.
Preguntas frecuentes
¿Qué aprenderé en este curso de Aprendizaje Automático?
Aprenderá los conceptos básicos del aprendizaje automático, incluyendo qué es y cómo se utiliza, los diversos tipos de modelos y algoritmos de aprendizaje automático, aprendizaje automático supervisado, aprendizaje automático no supervisado y cosas clave a considerar antes y durante proyectos y tareas de aprendizaje automático.
¿Este curso cubre tanto aprendizaje automático supervisado como no supervisado?
Sí. Se cubren y demuestran métodos de aprendizaje automático tanto supervisado como no supervisado, incluyendo temas como clasificación versus regresión, regresión lineal y logística, máquinas de vectores de soporte, árboles de decisión y bosques aleatorios, redes neuronales, agrupación, modelos de mezcla gaussiana y aprendizaje de variedades.
¿Qué herramientas o lenguaje de programación usa el curso?
El curso cubre cómo implementar modelos de aprendizaje automático en Python utilizando el paquete scikit-learn, e incluye una introducción a JupyterLab.
¿Qué temas aborda el curso más allá de los algoritmos?
Junto con los algoritmos, el curso discute aplicaciones prácticas, desafíos, consideraciones éticas, la importancia de los datos, selección de modelos y otras consideraciones clave.
¿Qué seré capaz de hacer después de completar este curso?
Al final del curso, reconocerá múltiples tipos de procesos de aprendizaje automático así como sus beneficios y cómo pueden aplicarse a escenarios del mundo real.
