Machine Learning Aplicado en Python
Los modelos de Machine Learning son inútiles si los dejas en el código. ¿Por qué no aprovecharlos para hacer predicciones en una web app?
This course is no longer available.
Explore other coursesNuestros estudiantes trabajan en
Course overview
Metodología práctica para construir cualquier modelo de Machine Learning
No, no te vamos a enseñar a construir modelos matemáticos con fórmulas complejas.
Si ya las han puesto en las funciones de las librerías de programación, ¿para qué reinventar la rueda?
Mejor, te enseño a conducir sobre ellas.
Además, te enseñamos cómo sacarle provecho a la Inteligencia Artificial de ChatGPT para que genere el código que necesitas y adaptarlo a tu problema.
Para quién NO es este curso
01
Quieres entrar al detalle con teoría que no necesitarás, en lugar de aprender y practicar lo determinante para aplicarlo a tus proyectos.
02
Te pasas las horas de clase sin saber qué hacer porque el profesor no te ayuda mientras practicas con los ejercicios.
03
Prefieres asumir con un sí aunque no te hayas enterado de nada, en lugar de seguir preguntándole al profesor para enriquecer el aprendizaje.
Sé un profesional competente capaz de entablar conversaciones técnicas sobre modelos matemáticos
Programar desde una hoja en blanco
Llegarás a las funciones que necesitas como si estuvieras navegando por los menús de un teléfono móvil.
Transformar tablas en modelos matemáticos
Si te dan una tabla de datos, serás capaz de desarrollar, desde una hoja en blanco, el tipo de modelo adecuado.
Evaluar predicciones
Los modelos matemáticos predicen el futuro, pero las predicciones pueden irse al carajo sin darte cuenta.
¿Cómo lo distingues los buenos modelos de los malos?
Seleccionar mejor algoritmo
En Scikit-Learn hay cientos de algoritmos, aplicables a todo tipo datos.
¿Cuándo es mejor aplicarlos según el problema que estás resolviendo?
Utiliza la IA para generar código e interpretar resultados
Tengo una batería de ejercicios para que integres en tu skillset el uso de la Inteligencia Artificial de ChatGPT para generar el código que necesitas al implementar algoritmos para tus casos prácticos.
Además, también aprenderás a usar la IA para que interprete los resultados.
What’s included
Live sessions
Learn directly from Jesús López in a real-time, interactive format.
Lifetime access
Go back to course content and recordings whenever you need to.
Community of peers
Stay accountable and share insights with like-minded professionals.
Certificate of completion
Share your new skills with your employer or on LinkedIn.
Maven Guarantee
This course is backed by the Maven Guarantee. Students are eligible for a full refund up until the halfway point of the course.
Course syllabus
2 live sessions • 25 lessons
Week 1
- 📄
¿Para qué se usa Machine Learning?
- 📄
Scikit-Learn: librería de algoritmos ML
- 📄
Tutoriales x proyecto: web app
- 📄
Atajos de Jupyter Notebooks en Visual Studio Code (VSCode)
- 📄
Aplicar documentación de funciones sobre ejercicios
- 📄
Aprendizaje autodidacta para retener conocimiento en el largo plazo
- 📄
¿Para qué se usan los modelos de Machine Learning?
- 📄
Pasos para modelar con cualquier algoritmo
- 📄
Clasificadores vs regresores
- 📄
Explicación visual sobre cómo la máquina aprende
- 📄
Separar datos en entrenamiento y validación
- 📄
Optimización de hiperparámetros para evitar overfitting
- 📄
Métricas de evaluación según tipo de modelo
- 📄
One hot encoding y variables dummy
- 📄
Pipeline para automatizar preprocesamiento
- 📄
Escalar variables
- 📄
Pasos para construir pipelines con cualquier dataset
- 📄
Exportar modelo a un archivo
- 📄
Calculadora web con Streamlit
- 📄
¿Para qué se usan los valores de Shapley?
- 📄
Steps to explain any model with SHAP
Sep
27
Sesión 1
Sep
28
Sesión 2
Introducción a Machine Learning con Python
Mentalízate sobre el desarrollo de modelos de Machine Learning en Python para tener claros los pasos a seguir al practicar los ejercicios del curso.
Disciplina de Programación con Python
Mejores practicas para aprender más en menos tiempo. Si las aplicas, consolidarás tu conocimiento y disciplina resolutiva en el largo plazo. Serás capaz de programar lo que quieras porque sabes cómo razonar y adaptar el código que encuentras en Internet.
Modelar con Scikit-Learn
Selección de Modelos
Preprocesar Variables
Modelos en Producción
Interpretar Modelos con Valores SHAP
Bonus
- 📄
Caso práctico para clasificar imágenes
- 📄
Trabajar en local
- 📄
Instalar programas
- 📄
Desarrollo completo
Introducción Redes Neuronales
Instalar programas para trabajar en local
Adaptar plantillas del curso a nuevos datasets
What students are saying
Conoce tu profesor
Jesús López
Jesús López
Ahorrando tiempo a profesionales con la programación de algoritmos automáticos.
Desde crear modelos matemáticos para predecir y explicar el cáncer, hasta precios del mercado energético para planificar la viabilidad de proyectos en el largo plazo.
Y más cosas que te cuento por aquí.