Descripción
La biblioteca de aprendizaje científico de Python es muy popular para construir modelos tradicionales de ML, es decir, aquellos modelos que no dependen de las redes neuronales.
En este curso, Construyendo Modelos de Aprendizaje de Máquinas en Python con scikit-learn, verá cómo trabajar con scikit-learn, y cómo puede ser usado para construir una variedad de modelos de aprendizaje de máquinas.
En primer lugar, aprenderá a utilizar las bibliotecas para trabajar con datos continuos, categóricos, tanto de texto como de imágenes.
A continuación, podrá ir más allá de los modelos de regresión ordinarios, viendo cómo implementar modelos de regresión especializados, como la regresión de Lasso y Ridge, utilizando las bibliotecas de scikit-learn. Por último, además de las técnicas de aprendizaje supervisado, también comprenderá e implementará modelos no supervisados, como la agrupación (clustering) utilizando el algoritmo de desplazamiento medio y la reducción de la dimensionalidad utilizando el análisis de componentes principales.
Al final de este curso, tendrá una buena comprensión de los pros y los contras de los diversos modelos de regresión, clasificación y aprendizaje no supervisado cubiertos y se sentirá extremadamente cómodo utilizando la biblioteca de aprendizaje de ciencia de Python para construir y entrenar sus modelos. Software requerido: scikit-learn, Python 3.x.