En este curso, aprenderemos cómo utilizar scikit-learn para construir modelos predictivos a partir de datos. Exploraremos los conceptos básicos del aprendizaje automático y veremos cómo usar scikit-learn para resolver problemas de aprendizaje supervisado y no supervisado. También aprenderemos cómo evaluar modelos, ajustar parámetros y evitar errores comunes. Trabajaremos en ejemplos de problemas de aprendizaje automático utilizando conjuntos de datos del mundo real.
14 labs
Modelos lineales en Scikit-Learn
Explicación de los clasificadores de Análisis Discriminante
Explorando conjuntos de datos y estimadores de Scikit-Learn
Regresión Kernel Ridge
Aprendizaje Supervisado con Scikit-Learn
Selección de modelos: Elegir estimadores y sus parámetros
Aprendizaje supervisado con vectores de soporte
Explorando los clasificadores SGD de Scikit-Learn
Aprendizaje no supervisado: Buscando representaciones de los datos
Implementando el Descenso de Gradiente Estocástico
Trabajando con datos de texto
Regresión y clasificación con Procesos Gaussianos
Ejemplo de Naive Bayes
Clasificación de Árboles de Decisión con Scikit-Learn
Este curso contiene muchos laboratorios para Sklearn. Cada laboratorio es un pequeño proyecto de Sklearn con orientación detallada y soluciones. Puedes practicar tus habilidades en Sklearn completando estos laboratorios, mejorar tus habilidades de codificación y aprender a escribir código limpio y eficiente.
0 lab
Este curso contiene muchos desafíos para Sklearn. Cada desafío es un pequeño proyecto de Sklearn con instrucciones detalladas y soluciones. Puedes practicar tus habilidades en Sklearn resolviendo estos desafíos, mejorar tus habilidades para resolver problemas y aprender a escribir código limpio y eficiente.
0 lab
Únete a Nuestro Discord y Aprende Juntos
Únete Ahora
