<p><h3Regresión</h3></p><p>En esta semana, obtendrá una breve introducción a la regresión. Aprenderá sobre regresión lineal, no lineal, simple y múltiple, y sus aplicaciones. Aplica todos estos métodos en dos conjuntos de datos diferentes, en la parte de laboratorio. Además, aprenderá a evaluar su modelo de regresión y a calcular su precisión.</p>

<p><h3Clasificación</h3></p><p>En esta semana, aprenderá sobre la técnica de clasificación. Practica con diferentes algoritmos de clasificación, como KNN, Árboles de decisión, Regresión logística y SVM. Además, aprenderá sobre los pros y los contras de cada método y las diferentes métricas de precisión de clasificación.</p>

<p><h3Agrupación</h3></p><p>En esta sección, aprenderá acerca de los diferentes enfoques de agrupación en clústeres. Aprenderá a utilizar la agrupación en clústeres para la segmentación de clientes, agrupando los mismos vehículos y también agrupando las estaciones meteorológicas. Comprende 3 tipos principales de agrupación en clústeres, incluida la agrupación en clústeres basada en particiones, la agrupación en clústeres jerárquica y la agrupación en clústeres basada en densidad.</p>

<p><h3Sistemas de recomendación</h3></p><p>En este módulo, aprenderá sobre los sistemas de recomendación. Primero, se le presentará la idea principal detrás de los motores de recomendación, luego comprenderá dos tipos principales de motores de recomendación, a saber, el filtrado basado en contenido y el filtrado colaborativo.</p>