Este curso se clasificó en el Top 100 de los mejores cursos de Coursera, basado en su alta valoración y un gran número de calificaciones.
Este curso introducirá al alumno al aprendizaje automático aplicado, centrándose más en las técnicas y métodos que en las estadísticas detrás de estos métodos. El curso comenzará con una discusión sobre cómo el aprendizaje automático es diferente de las estadísticas descriptivas y presentará el kit de herramientas scikit learn a través de un tutorial. Se discutirá la cuestión de la dimensionalidad de los datos y se abordará la tarea de agrupar los datos, así como evaluar esos grupos. Enfoques supervisados para crear
Este curso introducirá al alumno al aprendizaje automático aplicado, centrándose más en las técnicas y métodos que en las estadísticas detrás de estos métodos.
El curso comenzará con una discusión sobre cómo el aprendizaje automático es diferente de las estadísticas descriptivas y presentará el kit de herramientas scikit learn a través de un tutorial.
Se discutirá la cuestión de la dimensionalidad de los datos y se abordará la tarea de agrupar los datos, así como evaluar esos grupos.
Se describirán enfoques supervisados para crear modelos predictivos y los alumnos podrán aplicar los métodos de modelado predictivo scikit learn mientras comprenden los problemas del proceso relacionados con la generalización de datos (por ejemplo, validación cruzada, sobreajuste).
El curso terminará con una mirada a técnicas más avanzadas, como la construcción de conjuntos, y las limitaciones prácticas de los modelos predictivos.
Al final de este curso, los estudiantes podrán identificar la diferencia entre una técnica supervisada (clasificación) y no supervisada (agrupamiento), identificar qué técnica necesitan aplicar para un conjunto de datos y una necesidad en particular, diseñar características para satisfacer esa necesidad y escribir código Python para realizar un análisis.
Este curso debe tomarse después de Introducción a la ciencia de datos en Python y Trazado, gráficos y representación de datos aplicados en Python y antes de Minería de texto aplicada en Python y Análisis social aplicado en Python.
91
<p><h3Módulo 1: Fundamentos del aprendizaje automático: introducción a SciKit Learn</h3></p><p>Este módulo presenta conceptos, tareas y flujo de trabajo básicos de aprendizaje automático mediante un problema de clasificación de ejemplo basado en el método de K-vecinos más cercanos, e implementado mediante la biblioteca scikit-learn.</p>
<p><h3Módulo 2: Aprendizaje automático supervisado - Parte 1</h3></p><p>Este módulo profundiza en una variedad más amplia de métodos de aprendizaje supervisado para clasificación y regresión, aprendiendo sobre la conexión entre la complejidad del modelo y el rendimiento de la generalización, la importancia del escalado de características adecuado y cómo controlar la complejidad del modelo mediante la aplicación de técnicas como la regularización para evitar el sobreajuste. Además de los k vecinos más cercanos, esta semana cubre la regresión lineal (mínimos cuadrados, cresta, lazo y regresión polinomial), regresión logística, máquinas de vectores de soporte, el uso de validación cruzada para la evaluación de modelos y árboles de decisión.</p>
<p><h3Módulo 3: Evaluación</h3></p><p>Este módulo cubre los métodos de evaluación y selección de modelos que puede utilizar para ayudar a comprender y optimizar el rendimiento de sus modelos de aprendizaje automático.</p>
<p><h3Módulo 4: Aprendizaje automático supervisado - Parte 2</h3></p><p>Este módulo cubre métodos de aprendizaje supervisado más avanzados que incluyen conjuntos de árboles (bosques aleatorios, árboles potenciados por gradientes) y redes neuronales (con un resumen opcional sobre aprendizaje profundo). También aprenderá sobre el problema crítico de la fuga de datos en el aprendizaje automático y cómo detectarlo y evitarlo.</p>
<p><h3</h3></p><p></p>
Prepárate desde tu casa con las universidades más prestigiosas del mundo.
La calidad de los cursos de Coursera la respaldan sus instructores, que suelen ser decanos y con doctorados.
Más del 85% de los estudiantes de Coursera reportan beneficios en su carrera profesional, como ascensos o aumentos en su salario.
Millones de estudiantes de todo el mundo están cumpliendo sus metas personales y profesionales con Coursera.
Coursera ofrece cursos de más de 200 universidades y empresas líderes para brindar aprendizaje en línea en todo el mundo. Con una suscripción a Coursera Plus, obtienes acceso ilimitado a más del 90% de todos los cursos, y los más populares certificados profesionales y especializaciones de Coursera.
Ciencia de datos, negocios y desarrollo personal. Puede inscribirse en varios cursos a la vez, obtener certificados ilimitados y aprender habilidades laborales en demanda para iniciar, crecer e incluso cambiar de carrera.
DESCUBRE COMO SACAR EL MÁXIMO PROVECHO, Y AHORRAR MÁS DE USD $500 CON UNA SUSCRIPCIÓN ANUAL DE COURSERA PLUS*
*Ahorras hasta USD$500 en 12 meses, cuando pasas de pagar USD $59 por una suscripción mensual, a una suscripción anual con la promoción. La suscripción anual normal es de USD $399. Con la promoción solo pagarás USD $239. Entérate de todo haciendo clic al botón amarillo.
Associate Professor
mi person_add 234.428 alumnos
mi computer3 cursos
La misión de la Universidad de Michigan es servir a la gente de Michigan y al mundo a través de la preeminencia en la creación, comunicación, preservación y aplicación del conocimiento, el arte y los valores académicos, y en el desarrollo de líderes y ciudadanos que desafiarán el presente y enriquecerán el futuro. .
Hola, ¿En qué puedo ayudarte? ¿te interesa algún curso? ¿Sobre qué tema?
Add a review