Rasca la imagen para llevarte un descuento en tu curso. Podrás aplicar el cupón en el momento de pago.
299
Bienvenidos al curso más completo para arrancar en Machine Learning
Aplicaciones del Machine Learning
Diferencias entre ML, DL e IA
¿Por qué el Machine Learning es el futuro?
Cómo sacarle el máximo partido al curso
Conoce a los creadores originales del curso
La comunidad de Discord para Aprender con Amigos
Tu cuaderno para tomar notas online sobre el curso
NOTA: Actualización a Python 3.11.4: Tu Curso en la Última Versión - Agosto 2023
Descargar e Instalar Python y Anaconda (2023)
Instalar el entorno de Python con las librerías del curso
Navegar y personalizar nuestro editor Spyder
Algunos cambios en las nuevas versiones de Spyder
Versión 2023: Cómo acceder a los materiales y usar Google Colab
Cómo instalar R y RStudio (Mac, Windows y Linux)
Cómo acceder a los materiales del curso en Github
Bonus adicionales: PDFs sobre Machine Learning
Este libro puede ser de gran utilidad (basado en dudas de estudiantes sobre el curso)
Bienvenido a la Parte 1 - Pre Procesado de Datos
Obtén el conjunto de datos
Cómo importar librerías
Cómo importar data sets
Resumen de Python: programación orientada a objetos - clases y objetos
Importante: Cambios en la versión 3.7 de Python y siguientes
Datos faltantes o desconocidos
Datos categóricos
Cómo dividir el data set en entrenamiento y test
Cómo escalar los datos
Y aquí va nuestra plantilla de pre procesado de datos
Pre procesado de datos
Bienvenido a la Parte 2: Regresión
Obtén el conjunto de datos
Dataset y Descripción del problema de la sección
Idea de la Regresión Lineal Simple - Paso 1
Idea de la Regresión Lineal Simple - Paso 2
Regresión Lineal Simple en Python - Paso 1
Regresión Lineal Simple en Python - Paso 2
Regresión Lineal Simple en Python - Paso 3
Regresión Lineal Simple en Python - Paso 4
Regresión Lineal Simple en R - Paso 1
Regresión Lineal Simple en R - Paso 2
Regresión Lineal Simple en R - Paso 3
Regresión Lineal Simple en R - Paso 4
Regresión Lineal Simple
Obtén el conjunto de datos
Dataset y Descripción del problema de la sección
Idea de la Regresión Lineal Múltiple - Paso 1
Idea de la Regresión Lineal Múltiple - Paso 2
Idea de la Regresión Lineal Múltiple - Paso 3
Idea de la Regresión Lineal Múltiple - Paso 4
Idea de la Regresión Lineal Múltiple - Paso 5
Regresión Lineal Múltiple en Python - Paso 1
Regresión Lineal Múltiple en Python - Paso 2
Regresión Lineal Múltiple en Python - Paso 3
Regresión Lineal Múltiple en Python - Eliminación hacia atrás - Preparativos
Regresión Lineal Múltiple en Python - Eliminación hacia atrás - Ejercicio
Regresión Lineal Múltiple en Python - Eliminación hacia atrás - Solución
Regresión Lineal Múltiple en R - Paso 1
Regresión Lineal Múltiple en R - Paso 2
Regresión Lineal Múltiple en R - Paso 3
Regresión Lineal Múltiple en R - Eliminación hacia atrás - Ejercicio
Regresión Lineal Múltiple en R - Eliminación hacia atrás - Solución
Regresión Lineal Múltiple
Idea de la Regresión Polinómica
Obtén el conjunto de datos
Regresión Polinómica en Python - Paso 1
Regresión Polinómica en Python - Paso 2
Regresión Polinómica en Python - Paso 3
Regresión Polinómica en Python - Paso 4
Plantilla de Regresión Polinómica en Python
Regresión Polinómica en R - Paso 1
Regresión Polinómica en R - Paso 2
Regresión Polinómica en R - Paso 3
Regresión Polinómica en R - Paso 4
Plantilla de Regresión Polinómica en R
Idea del SVR
Obtén el conjunto de datos
SVR en Python
SVR en R
Código para representar el SVR sin normalizar los ejes
Idea de la Regresión con Árboles de Decisión
Obtén el conjunto de datos
Regresión con Árboles de Decisión en Python
Regresión con Árboles de Decisión en R
Idea de la Regresión con Bosques Aleatorios
Obtén el conjunto de datos
Regresión con Bosques Aleatorios en Python
Regresión con Bosques Aleatorios en R
Idea del factor R Cuadrado
Idea del factor R Cuadrado Ajustado
Evaluar el Rendimiento en Modelos de Regresión - Ejercicio final
Interpretar los Coeficientes de la Regresión Lineal
Fin de la Parte 2 - Regresión
Bienvenido a la Parte 3 - Clasificación
Idea de la Regresión Logística
Obtén el conjunto de datos
Regresión Logística en Python - Parte 1
Regresión Logística en Python - Parte 2
Regresión Logística en Python - Parte 3
Regresión Logística en Python - Parte 4
Regresión Logística en Python - Parte 5
Plantilla de Clasificación en Python
Regresión Logística en R - Parte 1
Regresión Logística en R - Parte 2
Regresión Logística en R - Parte 3
Regresión Logística en R - Parte 4
Regresión Logística en R - Parte 5
Plantilla de Clasificación en R
Regresión Logística
Idea de los K-Nearest Neighbors
Obtén el conjunto de datos
K-Nearest Neighbors en Python
K-Nearest Neighbors en R
K-Nearest Neighbors
Idea de las SVM
Obtén el conjunto de datos
SVM en Python
SVM en R
Idea del Kernel SVM
Transformar a espacios de dimensión superior
El truco del Kernel
Tipos de Funciones de Kernel
Obtén el conjunto de datos
Kernel SVM en Python
Kernel SVM en R
Teorema de Bayes
Idea de Naive Bayes
Idea de Naive Bayes (Extras)
Obtén el conjunto de datos
Naive Bayes en Python
Naive Bayes en R
Idea de Clasificación con Árboles de Decisión
Obtén el conjunto de datos
Clasificación con Árboles de Decisión en Python
Clasificación con Árboles de Decisión en R
Idea de la Clasificación con Bosques Aleatorios
Obtén el conjunto de datos
Clasificación con Bosques Aleatorios en Python
Clasificación con Bosques Aleatorios en R
Falsos positivos y Falsos Negativos
Matriz de Confusión
La paradoja de la precisión
Curvas CAP
Análisis de las Curvas CAP
Conclusion de la Parte 3 - Clasificación
Bienvenido a la Parte 4 - Clustering
Idea de K-Means
K-Means: La trampa de la inicialización aleatoria
K-Means: Cómo seleccionar el número de Clusters
Obtén el conjunto de datos
K-Means en Python
K-Means en R
K-Means
Idea del Clustering Jerárquico
Clustering Jerárquico: Cómo funcionan los Dendrogramas
Clustering Jerárquico: Utilizando los Dendrogramas
Obtén el conjunto de datos
Clustering Jerárquico en Python - Paso 1
Clustering Jerárquico en Python - Paso 2
Clustering Jerárquico en Python - Paso 3
Clustering Jerárquico en Python - Paso 4
Clustering Jerárquico en Python - Paso 5
Clustering Jerárquico en R - Paso 1
Clustering Jerárquico en R - Paso 2
Clustering Jerárquico en R - Paso 3
Clustering Jerárquico en R - Paso 4
Clustering Jerárquico en R - Paso 5
Clustering Jerárquico
Conclusión de la Parte 4 - Clustering
Bienvenido a la Parte 5 - Reglas de Asociación
Idea de Apriori
Obtén el conjunto de datos
Apriori en Python - Paso 1
Apriori en Python - Paso 2
Apriori en Python - Paso 3
Apriori en R - Paso 1
Apriori en R - Paso 2
Apriori en R - Paso 3
Idea de Eclat
Obtén el conjunto de datos
Eclat en R
Bienvenido a la Parte 6 - Reinforcement Learning
El Problema del Bandido Multibrazo
Idea de Upper Confidence Bound (UCB)
Obtén el conjunto de datos
Upper Confidence Bound en Python - Paso 1
Upper Confidence Bound en Python - Paso 2
Upper Confidence Bound en Python - Paso 3
Upper Confidence Bound en Python - Paso 4
Upper Confidence Bound en R - Paso 1
Upper Confidence Bound en R - Paso 2
Upper Confidence Bound en R - Paso 3
Upper Confidence Bound en R - Paso 4
Idea del Muestreo Thompson
Comparación de algoritmos: UCB vs Muestreo Thompson
Obtén el conjunto de datos
Muestreo Thompson en Python - Paso 1
Muestreo Thompson en Python - Paso 2
Muestreo Thompson en R - Paso 1
Muestreo Thompson en R - Paso 2
Bienvenido a la Parte 7 - Procesamiento del Lenguaje Natural
Idea del Procesamiento del Lenguaje Natural
Obtén el conjunto de datos
Procesamiento Natural del Lenguaje en Python - Paso 1
Procesamiento Natural del Lenguaje en Python - Paso 2
Procesamiento Natural del Lenguaje en Python - Paso 3
Procesamiento Natural del Lenguaje en Python - Paso 4
Procesamiento Natural del Lenguaje en Python - Paso 5
Procesamiento Natural del Lenguaje en Python - Paso 6
Procesamiento Natural del Lenguaje en Python - Paso 7
Procesamiento Natural del Lenguaje en Python - Paso 8
Procesamiento Natural del Lenguaje en Python - Paso 9
Procesamiento Natural del Lenguaje en Python - Paso 10
Procesamiento Natural del Lenguaje en R - Paso 1
Procesamiento Natural del Lenguaje en R - Paso 2
Procesamiento Natural del Lenguaje en R - Paso 3
Procesamiento Natural del Lenguaje en R - Paso 4
Procesamiento Natural del Lenguaje en R - Paso 5
Procesamiento Natural del Lenguaje en R - Paso 6
Procesamiento Natural del Lenguaje en R - Paso 7
Procesamiento Natural del Lenguaje en R - Paso 8
Procesamiento Natural del Lenguaje en R - Paso 9
Procesamiento Natural del Lenguaje en R - Paso 10
Ejercicio Final NLP
Bienvenido a la Parte 8 - Deep Learning
¿Qué es el Deep Learning?
Plan de Ataque
La Neurona
La función de activación
¿Cómo funcionan las redes neuronales?
¿Cómo aprenden las redes neuronales?
El gradiente descendente
El gradiente descendente estocástico
Propagación hacia atrás
Descripción del problema de empresa
Obtén el conjunto de datos
ANN en Python - Paso 1
ANN en Python - Paso 2
ANN en Python - Paso 3
ANN en Python - Paso 4
ANN en Python - Paso 5
ANN en Python - Paso 6
ANN en Python - Paso 7
ANN en Python - Paso 8
ANN en Python - Paso 9
ANN en Python - Paso 10
ANN en R - Paso 1
ANN en R - Paso 2
ANN en R - Paso 3
ANN en R - Paso 4
Plan de Ataque
¿Qué son las redes neuronales convolucionales?
Paso 1 - La operación de convolución
Paso 1(b) - La capa ReLU
Paso 2 - Pooling
Paso 3 - Flattening
Paso 4 - Full Connection
Resumen
Softmax y Entropía Cruzada
Obtén el conjunto de datos
CNN en Python - Paso 1
CNN en Python - Paso 2
CNN en Python - Paso 3
CNN en Python - Paso 4
CNN en Python - Paso 5
CNN en Python - Paso 6
CNN en Python - Paso 7
CNN en Python - Paso 8
CNN en Python - Paso 9
CNN en Python - Paso 10
CNN en R
Bienvenido a la Parte 9 - Reducción de la dimensión
Idea del Análisis de Componentes Principales (ACP)
Obtén el conjunto de datos
ACP en Python - Paso 1
ACP en Python - Paso 2
ACP en Python - Paso 3
ACP en R - Paso 1
ACP en R - Paso 2
ACP en R - Paso 3
Idea del Análisis discriminante lineal (LDA)
Obtén el conjunto de datos
LDA en Python
LDA en R
Obtén el conjunto de datos
Kernel ACP en Python
Kernel ACP en R
Bienvenido a la Parte 10 - Selección de Modelos & Boosting
Obtén el conjunto de datos
k-Fold Cross Validation en Python
k-Fold Cross Validation en R
Grid Search en Python - Paso 1
Grid Search en Python - Paso 2
Grid Search en R
Obtén el conjunto de datos
XGBoost en Python - Paso 1
XGBoost en Python - Paso 2
XGBoost en R
Enhorabuena por completar el curso de Machine Learning de la A a la Z
(23)
PLANES PARA ACCEDER SEGÚN TUS OBJETIVOS Y NECESIDADES
Compra el curso individual, obtén toda la ruta de aprendizaje o accede a toda la plataforma
Elige la forma de pago que mejor se adapte a tus necesidades y a tu bolsillo con pago único por curso, acceso mensual o anual a la ruta de aprendizaje o incluso a toda la plataforma.
Pago Único
Compra el curso una vez y accede de por vida
€ 79.99
- Un único pago
- Acceso instantáneo al curso de por vida
- Accede a la comunidad del curso
El Más
Popular
Popular
Rana de Bronce
Accede a todos los cursos, comunidades y extras de Frogames
€ 39 /mes
- Pago único de 39€ al mes
- Acceso instantáneo a todos los cursos
- Accede a la plataforma y las comunidades 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
Ruta de Análisis de Datos
Accede a todos los Cursos de la Ruta de Análisis de Datos
€ 19.99 /mes
- Pago único de 19.99€ al mes
- Acceso instantáneo a los +10 cursos de la ruta
- Accede a la ruta 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
Pago único
Compra el curso una vez y accede de por vida
€ 79.99
- Un único pago
- Acceso instantáneo al curso de por vida
- Accede a la comunidad del curso
El Más
Valorado
Valorado
Rana de Oro
Accede a todos los cursos, comunidades y extras de Frogames
€ 349 /año
- Pago único de 349€ al año
- 3 meses de descuento
- Acceso instantáneo a todos los cursos
- Accede a la plataforma y las comunidades 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
- Biblioteca de Recursos
- Directos mensuales de Q&A
- Soporte premium
Ruta de Análisis de Datos
Accede a todos los Cursos de la Ruta de Análisis de Datos
€ 199 /año
- Pago único de 199€ al año
- 4 meses de descuento
- Acceso instantáneo a los +10 cursos de la ruta
- Accede a la ruta 24 / 7, dónde y cuándo quieras
- Cancela en cualquier momento sin perder tu progreso
- Soporte premium
* Todos los precios llevan impuestos incluidos.
Por tu seguridad, todos los pedidos se procesarán en un servidor seguro.
Ruta de Análisis de Datos
El pack definitivo con todos nuestros cursos de Análisis de Datos con R y Python para convertirte en todo un Data Scientist bien pagado. Incluye los cursos que están por venir y las actualizaciones y mejoras de los actuales
Joel
Muy buen curso
Un curso muy completo en todos los sentidos, recomendado para aprender a fondo los temas de Machine Learning
Javier
Genial
Me ha encantado
María del Mar
Fantastico cusro
Juan Agustin
Excelente introducción al mundo del machine learning
Me ha gustado el curso para lograr tener una idea más "aterrizada" de las bases del mundo de la inteligencia artificial de la que tanto se habla hoy en día y que está revolucionando la industria. No podía quedarme ajeno a eso y creo que este curso me ayudó muchísimo a entenderlo más, aunque aún me queda mucho camino por recorrer en la materia y muchos más cursos acá en la plataforma sobre IA y con diferentes enfoques para no tener solamente un conocimiento matemático, sino también práctico, lo cual se valora. Además el hecho de que esté en español, para los hispanohablantes, permite que avancemos más rápido y fluido en las clases sin perdernos ningún detalle por temas de idioma que a veces pasa con los cursos en inglés, que aunque lo sepamos, sigue sin ser nuestra lengua nativa. Veremos qué tal los próximos cursos!. Gracias
Carlos
Gracias
Este curso es un recurso excepcional para cualquiera que busque profundizar en el mundo del aprendizaje automatico, de sus siglas ML. Doy fe que cada leccion es de alta calidad analizando eficazmente conceptos complejos, haciéndolos accesibles para estudiantes de todos los niveles.
danison
Machine Learning
Super satisfecho hasta ahora con la explicacion y utilidad del curso, empece sin saber siquiera que es Machine Learning y ahora cada vez mas me siento preparado para emplearlo.
Caty
muy buena metodologia de enseñanza
He aprendido los fundamentos desde lo mas basico hasta un poco mas avanzado con este curso. Sigan asi, felicidades
ivan sergio
Un curso de maravilla...!!!
curso super recomendable para empezar por este camino :)
Adrián
Gran acierto
Muy completo y buenas explicaciones. Mejor que en un bootcamp
Nicolas
ML A/Z es lo mejor!
Excelente curso!. Se aprenden sobre los algoritmos más importantes de Machine Learning tanto en la teoría como en el código. Mucho mejor si ya tienes bases de programación.
Jesús
Curso imprescindible para iniciarte en el mundo del Machine Learning
Me ha encantado el curso!!! No tenía ningún conocimiento previo respecto al Machine Learning y a lo largo del curso he aprendido muchísimo más de lo que pensaba. Para todo aquel que quiera iniciarse en el mundo del Data Science e Inteligencia Artificial ESTE es el curso. Lo he disfrutado de principio a fin!!
Omar
Recomendado para personas que tengan un cierto grado de nivel en Python y mates
Imanol
Muy buen curso
BORJA
Excelente
Curso muy completo y muy bien explicado.
Fernando
Muy conforme
Muy bien explicado los temas y como está desarrollado el curso
ALEX ANDERSON
El primer curso para cualquier Data Science en formación
Sin duda, es uno de los cursos más completos que he visto. Algo para añadir es que en los test de calificación se pueda escoger solo en python o solo en R.
Juan José
Un curso completo y recomendable
El curso de Machine Learning de la A a la Z, como indica el título, te lleva desde lo básico hasta un nivel avanzado en ML. La inclusión de R y Python hace que sea fácil entender los conceptos y aplicarlos a casos de uso. Totalmente recomendable.
Yvonne
completo y estructurado
muy buen curso, de los mejores.
Joiser
definitivamente ML es el futuro
Considero que este es un curso fundamental para estar al dia, recomendado a todos
CRUZ MORA
Me encanto! <3
Hola muy buenas, mi nombre es Angel actualmente alumno de la Universidad Autónoma de Aguascalientes y aprendiz del grupo de Super Data Science :3; comencé adentrándome en el mundo de la inteligencia artificial con el deep learning, sin si quiera pensar que me había saltado una gran etapa, el machine learning, aprendí mucho durante mi instancia en este curso, conceptos que no comprendí del deep learning ahora los comprendo, gracias a muchas de las buenas clases de teoría del curso, por eso aprecio mucho su trabajo y doy gracias por él, y no me queda más que seguir mi ruta de aprendizaje continuando con el siguiente curso de Inteligencia Artificial, el cual seguramente lo disfrutare mucho al igual que lo hice con este curso.
Christian
Útil y práctico
Doy gracias a Juan Gabriel Gomila y su equipo, por traer este curso muy práctico que me ayudó a entender de mejor forma los conocimientos de IA que hoy existen.
Marc
¡Encontrado!
Estaba buscando un curso para aprender de una vez por todas el Machine Learning. Y gracias a este curso he podidio aprender que es con la ayuda de toda la infromación que brinda
Oliver
Excelente curso
Muy buen y extenso contenido. Sin duda, Juan Gabriel es un referente en cuanto a formación y conocimientos. Felicidades.