Autoplay
Autocomplete
Previous Lecture
Complete and Continue
Principios de Machine Learning
Bienvenida al curso Principios de Machine Learning
Conociendo el curso (0:35)
Sobre el instructor (0:42)
Pre-requisitos del programa
Módulo 1: Conceptos básicos de Machine Learning
Recursos del Módulo 1
1.1 ¿Qué es Machine Learning? (4:58)
1.2 ¿Para qué usamos Machine Learning? (4:56)
1.3 Tipos de Sistemas de Machine Learning (9:44)
1.4 Principales Desafíos a Nivel de Datos (9:05)
Módulo 2 - Preparación de datos para algoritmos de ML
Recursos del Módulo 2
2.1 ¿Porqué es importante escalar los datos? (9:31)
2.2 Tipos de Escalamiento (9:16)
2.3 Muestra de entrenamiento, validación y testeo. (9:42)
Módulo 3 - Selección de modelos (supervisados)
Recursos del Módulo 3
3.1 Tipos de problemas en Machine Learning (11:33)
3.2 Problema de regresión (9:51)
3.3 Problema de clasificación (10:35)
Módulo 4 - Entrenamiento de modelos (supervisados)
Recursos del Módulo 4
4.1 Función de costo (4:10)
4.2 Validación cruzada (5:15)
4.3 Métricas de desempeño (9:37)
4.4 Trade off sesgo-varianza (9:35)
Módulo 5 - Gradiente Descendente
Recursos del Módulo 5
5.1 Gradiente Descendiente (9:28)
5.2 Gradiente Descendiente Batch (10:09)
5.3 Gradiente Descendiente Estocástico (9:48)
Módulo 6 - Aplicación de Machine Learning
Recursos del Módulo 6
6.1 El Problema (11:16)
6.2 Selección del modelo (10:17)
6.3 Desempeño del modelo (11:03)
Módulo 7 - Overview y trabajo final
Recursos del Módulo 7
7.1 Lo que aprendimos y un trabajo final :) (10:36)
Encuesta de satisfacción
3.3 Problema de clasificación
Lecture content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock