Rasca la imagen para llevarte un descuento en tu curso. Podrás aplicar el cupón en el momento de pago.
235
Bienvenidos al curso de Python
Cómo sacarle el Máximo Partido al Curso
Las 5 Etapas del Análisis de Datos
La Comunidad de Discord para Aprender con Amigos
El Repositorio GitHub del Curso
Tu cuaderno para tomar notas online sobre el curso
NOTA: Actualización a Python 3.11.4: Tu Curso en la Última Versión - Septiembre 2023
Descargar e Instalar Python y Anaconda (2023)
INFORMACIÓN IMPORTANTE: Entornos y Versiones de Python - Todo lo que Necesitas Saber
Instalar el entorno de Python con las librerías del curso
Los Editores para Programar en Python
Las Librerías Estándar de Machine Learning
Algunos Cambios Importantes en la Versión de Python
Ser Data Scientist es la Profesión más Sexy del Siglo XXI
¿Qué es el Análisis Predictivo de Datos?
Data Scientist = Matemáticas + Programación + Business
Aplicaciones y Ejemplos del Mundo del Data Science
Data Cleaning
El Concepto de Data Frame
El Repositorio Git del Curso
¿Qué Hago si no me Autocompleta Jupyter?
Acerca de las Barras en Windows
Leer Datos Procedentes de un CSV
Los Parámetros de la Función read_csv
Ejemplos de Diferentes Cargas de Datos con read_csv
El Método open para la Carga Manual de Datos
Cuidado con el Método open
Leer y Escribir en un Fichero con Python
Leer los Datos desde una URL Externa
La Carga de Datos desde una Hoja de Cálculo
Ejercicio: Descargar y Procesar Datos desde una URL Externa
Las Funciones Básicas de Resumen, Estructura, Dimensiones y Cabecera
¿Por qué Faltan Valores en los Datasets?
Qué Hacer cuando Faltan Valores en el Dataset
Las Variables Dummy
Visualización Básica de un Dataset: el Scatterplot
Visualización Básica de un Dataset: el Histograma de Frecuencias
Visualización Básica de un Dataset: el Boxplot
Data Wrangling
Fe de Erratas
Una Chuleta de pandas para Data Wrangling
Buscar un Subconjunto de Datos de un Dataset
Filtrados Alternativos
Subconjuntos de Filas con ciertas Condiciones
Subconjuntos con loc e iloc y Creación de Nuevas Columnas
Generar Números Aleatorios
La Semilla de la Generación Aleatoria
Funciones de Distribución de Probabilidad
La Distribución Uniforme
La Distribución Normal
El Método de la Simulación de Monte-Carlo para Encontrar el Valor de Pi
Generando Dummy Data Frames
Un Dummy Data Frame con Variables Categóricas
Agrupación de los Datos por Categorías
Agregación de Datos
Filtrado, Transformación y Otras Operaciones Útiles
Conjunto de Entrenamiento y de Testing
Atualización: Cómo Dividir el Dataset en Conjunto de Entrenamiento y Test
Muestreo Aleatorio: Cómo Dividir un Dataset en Conjunto de Entreno y Validación
Concatenar Dos Datasets por Filas
Carga de Cientos de Datos Distribuidos
Ejercicio: el Dataset de los Juegos Olímpicos
Concatenar los Datos con merge
Formas de Cruzar Tablas con Joins
Eliminar Datos de Datasets con Restricciones de Conjunto
Ejemplos de Joins con Python
Ya Conoces las Bases del Manejo de Datos
Los Conceptos Fundamentales de Estadística
Muestreo Aleatorio y el Teorema Central del Límite
Un Resumen de Estadísticos en Python (Propuesta de un Estudiante)
Los Contrastes de Hipótesis
Cómo Hacer un Contraste de Hipótesis Paso a Paso
Test de la Chi Cuadrado
Correlación entre Variables
Un Resumen de lo Aprendido
La Regresión Lineal
Las Matemáticas tras una Regresión Lineal
Demostración de la Obtención de los Parámetros del Modelo Lineal
Errores Normalmente Distribuidos
Sumas de los Cuadrados Totales, de las Diferencias y de la Regresión
Ejercicio: Demostrar que SST = SSR + SSD
Encontrando los Coeficientes Óptimos de la Regresión
Interpretar los Parámetros de la Regresión
Implementar una Regresión Lineal con Python
Regresión Lineal Múltiple
El Problema de la Multicolinealidad
Validando nuestro Modelo
El Resumen de Todos los Modelos Lineales Creados
Regresión Lineal con scikit-learn
Modelos Lineales con Variables Categóricas
Variables Categóricas en una Regresión Lineal
Otra Forma más Simple de Calcular las Predicciones
Transformar las Variables en Relaciones no Lineales
Enmascarado de Variables Categóricas Redundantes
El Problema de los Outliers
Otros Problemas y Consideraciones de la Regresión Lineal
Un Resumen de la Regresión Lineal
La Regresión Logística
Regresión Lineal vs Regresión Logística
Las Matemáticas detrás de la Regresión Logística
Probabilidades Condicionadas
Cociente de Probabilidades
De la Regresión Lineal a la Logística
Estimación con el Método de Máxima Verosimilitud
BUG: Error en la Siguiente Clase
Crear un Modelo Logístico desde Cero
Análisis Exploratorio de los Datos
La Selección de Variables del Dataset para el Modelo Logístico
Implementar una Regresión Logística con Python
Validación del Modelo y Evaluación del Mismo
Validación Cruzada con Python
Las Matrices de Confusión y las Curvas ROC
Implementación de las curvas ROC en Python
Resumen de la Regresión Logística
Clustering
¿Qué es y para Qué Sirve el Clustering?
El Concepto de Distancia
Matriz de Distancias en Python
Métodos de Enlace
Uniendo Datos Manualmente
Clustering Jerárquico en Python
Un Clustering Completo: la Fase de Exploración de Datos
Un Clustering Completo: Representación del Dendrograma
Un Clustering Completo: por dónde Cortamos el Dendrograma
Un Clustering Completo: Visualización Final del Clustering
El Método de K-Means
Implementando K-Means con Python
Ejercicio: Segmentación de los Vinos
El Método del Codo
El Coeficiente de la Silueta
Implementando la Técnica del Codo y el Coeficiente de la Silueta
Propagación de la Afinidad
Implementando la Propagación de la Afinidad
Generando Distribuciones en Forma de Anillo
Los K Medioides y el Clustering Espectral
Resumen del Clustering
Árboles y Bosques Aleatorios
¿Qué es un Árbol de Decisión?
Homogeneidad en los Datos
Entropía y Ganancia de Información
Algoritmos para la Generación de Árboles de Clasificación
La Poda del Árbol
Los Problemas del Árbol
Los Árboles de Clasificación con Python
El Tratamiento de Ficheros dot
La Validación Cruzada en un Árbol de Clasificación
Los Árboles de Regresión
El Dataset de las Casas de Boston y Kaggle
Árboles de Regresión con Python
Random Forests
Random Forests para Regresión
Random Forest para Clasificación
¿Por qué Funcionan los Random Forests?
Resumen de Árboles y Bosques Aleatorios
Las Máquinas de Soporte Vectorial
Las Support Vector Machines
El Problema de Clasificación no Óptimo
Los Núcleos No Lineales y el Problema de la Dimensión
Soporte Vectorial Clasificador Lineal
Creando el Modelo Clasificador Lineal
Representación Gráfica del Hiperplano Separador en 2D
El Problema de la Separación
Maximizar el Margen de Clasificación
Los Soportes de SVM
Kernels No Lineales
Radial Basis Function
Ajustando las SVM
Práctica de SVM: Reconocimiento Facial a lo CSI
Práctica de SVM: Clasificación de las Flores de Iris
Truco: Qué Hacer cuando me Toca Hacer un Análisis de Datos
SVM para Regresión
La Decisión de los K Vecinos
Los K Vecinos más Cercanos
Limpieza del Dataset del Cáncer
Clasificación según los K Vecinos
Clasificando Nuevos Datos de los Tests Médicos
Creando los Datos para la Clasificación
Implementando la Decisión por Mayoría
Nuestro Algoritmo vs scikit-learn
Una Opinión Final sobre los Algoritmos de Machine Learning
El Rol de las Recomendaciones Dinámicas en el Siglo XXI
El Dataset de Películas de Movie Lens
Análisis Exploratorio de los Datos y Distribución de las Valoraciones
Sparsity de los Datos
División en Entrenamiento y Validación
La Matriz de Similaridad entre Usuarios
Predecir la Valoración de un Ítem para un Usuario
Corrección: Error en la Clase Anterior
Filtrando con los K Nearest Neighbors
Sistemas de Recomendación Basados en Ítems
Recomendando con los K items más Parecidos
Los Resultados Finales
Análisis de Componentes Principales
El Problema de la Dimensión
Demostración de Cómo se Hace un ACP
Implementando nuestro Propio ACP en Python
Cuidado con la Siguiente Librería, plotly
Plotly, la Librería de Gráficos Personalizados e Interactivos
Los Valores y Vectores Propios de la Matriz de Covarianzas
La Matriz de Correlaciones y el Singular Value Decomposition
La Selección de las Componentes Principales
La Proyección en el Subespacio Vectorial Resultante
Implementación de ACP con sklearn
Más Gráficos con plotly
Personalizando los Gráficos de plotly
Coloraciones y Etiquetas de plotly
Redes Neuronales del Futuro
Introducción a Tensor Flow
Acerca de las Redes Neuronales y el Deep Learning
IMPORTANTE: Versión de TensorFlow a Utilizar
Instalando TensorFlow en tu Ordenador
Si tienes Problemas con la Instalación de TensorFlow...
La Carga del Dataset de Imágenes
Análisis Exploratorio de los Datos
Un Resumen Visual de Imágenes
Preprocesado de Imágenes Previo al ML
Creación del Modelo
Entrenamiento del Modelo
Validación del Modelo
El Dataset de Reconocimiento de Dígitos
De Datos Desestructurados a Espacios Vectoriales n-Dimensionales
La Regresión Softmax
Tensorflow y la Regresión Softmax
La Fase de Entrenamiento de la Red Neuronal
La Fase de Evaluación de la Red Neuronal
Cuando Python Conoce a R, no hay Límites en el Big Data
Instalar la Librería rpy2
Nota Adicional para Instalar rpy2 en Windows
Llevando Objetos de R a Python
Llevando Objetos de Python a R
Cómo Instalar y Cargar Paquetes de R desde Python
La Librería extRemes en Acción desde Python
Rmagic
Lo Bueno de Programación en Python, lo Mejor de Estadística con R
Proyecto Final. ¿Qué me depara el Futuro?
(18)
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
Joiser
Python, es lo mejor
Creo que es de los mejores cursos de machine learning con Python
ivan sergio
Un curso mas...!!!
Muy buen Curso...!!!
Gabriela
Espectacular
Caty
satisfecha con el curso
satisfecha con el curso
Yvonne
El mejor curso
Muy completo, bien estructurado. Me encanta lo practico que es.
Nicolas
Buen Aprendizaje.
Simplemente excelente, como todo trabajo realizado por el Profesor Juan Gabriel Gomila. El curso es muy completo, y las ideas son presentadas con muchos ejemplos y desde diferentes perspectivas, lo cual ayuda mucho al estudiante para lograr el entendimiento de los conceptos. Este curso, lo recomiendo al 100%!!!
Jesús
Curso muy completo de iniciación al Machine Learning en Python
Me ha parecido un curso muy completo donde se han cubierto los algoritmos más utilizados en Machine Learning. Se profundiza lo justo y necesario en las matemáticas que hay detrás de cada uno para entender perfectamente el funcionamiento de cada uno. Las explicaciones de Juan Gabriel son excelentes. No cabe duda de que seguiré completando todos los cursos de la ruta de análisis de datos. Felicidades a todo el equipo de Frogames por aportar tanto contenido de calidad!
Yimmy
Gran curso de Machine Learning
Hasta el momento llevo el 30% del curso y el profesor explica muy bien los temas. Seguiré avanzando.
Jose
Muy completo y detallado.
El curso no tiene desperdicio, esta muy cimpleto y detallado, me ha servido muchisimo para mi tareas de Post-grado.
ANGEL
La conexión a un nuevo mundo con infinitas posibilidades
Tengo 39 años, desde que terminé la universidad hace más de 15 años el mundo ha cambiado por la tecnología. Decidí renovar mi carrera profesional y estudié un máster en análisis de datos, al terminar me quedé con más dudas que satisfacciones, en la búsqueda de las respuestas adecuadas encontré a frogames con el profesor Juan Gabriel y he logrado ver el panorama que actualmente existe para el análisis de datos y las tecnologías empleadas. Ahora estoy motivado y seguro que conseguiré mis objetivos porque en frogames tengo las herramientas necesarias para lograrlo. Gracias a Juan Gabriel y a todo el equipo de frogames por levantar esta excelente plataforma para el aprendizaje de las tecnologías actuales.
Javi
Gran curso recomendadísimo
Si quieres meterte en el mundo del Data Science y vivir de ello tienes que hacer este curso, directo al grano, sin paja, de lo mejorcito
Sergio
Gran curso
Excelente curso, muy completo
Alvaro
¡Poderoso!
Juan Gabriel Gomila nació para hacer ver fácil lo difícil. Bendiciones.
Eulogio
El mejor curso...
... de Machine Learning en español. Muy completo y fácil de entender gracias al profesor que explica muy pero que muy bien.
Marc
Orgullo de pasar este curso
Era un negado del Machine Learning y gracias a este curso pude comprender su funcionamiento
Omar
Muy bueno y con mucha práctica para mejorar y entender mejor
BORJA
Excelente
Curso muy completo y muy bien explicado.
danison
Machine Learning
Ya quiero aprender sobre Machine Learning, no tengo dudas que me sera una herramienta muy util para ser un futuro programador.