¿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.