Machine Learning AZ: Python y R prácticos en ciencia de datos- MOOC- Udemy Verified listing

¿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 teorías complejas, 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 la ciencia de datos.

Este curso es divertido y emocionante, pero al mismo tiempo, profundizamos 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 polinomial, SVR, Regresión de árbol de decisión, Regresión de bosque aleatorio Parte 3 - Clasificación: Regresión logística, K-NN, SVM, SVM del núcleo , Ingenuo Bayes, Clasificación de árboles de decisión, clasificación aleatoria de bosques Parte 4 - Agrupación: K-medias, agrupación jerárquica Parte 5 - Aprendizaje de reglas de asociación: Apriori, Eclat Parte 6 - Aprendizaje por refuerzo: Límite de confianza superior, muestreo de Thompson Parte 7 - Procesamiento del lenguaje natural: algoritmos modelo de bolsa de palabras para NLP Parte 8 - Aprendizaje profundo: redes neuronales artificiales, redes neuronales convolucionales Parte 9 - Reducción de dimensionalidad: PCA, LDA, PC del núcleo Parte 10 - Selección y refuerzo de modelos: validación cruzada de k-fold, ajuste de parámetros, búsqueda de cuadrícula, XGBoost Además, el curso está repleto de prácticas ejercicios basados ​​en ejemplos de la vida real.

Entonces, no solo aprenderá la teoría, sino que también obtendrá algo de práctica para construir sus propios modelos.

Y como bonificación, este curso incluye plantillas de Python y Rcode que puede descargar y usar en sus propios proyectos.

Actualizaciones importantes (junio de 2020): CÓDIGOS TODO HASTA LA FECHA EEP LEARNING CODIFICADO EN LOS MODELOS TENSORFLOW .0 TOP GRADIENT BOOSTING, INCLUYENDO XGBOOST E INCLUSO CATBOOST.