- Aplicaciones del Machine Learning
- BONUS: Rutas de aprendizaje
- BONUS 2: Diferencias entre ML, DL e IA
- ¿Por qué el Machine Learning es el futuro?
- Algunas notas, trucos y ayudas para seguir el curso
- Este PDF puede ser de gran utilidad
- Acerca de las valoraciones en Udemy
- Cómo hacer preguntas y usar Udemy correctamente
- Cómo instalar Python y Anaconda (Mac, Windows y Linux)
- Actualización: versión recomendada de Anaconda
- Cómo instalar R y RStudio (Mac, Windows y Linux)
- Instala la versión 3.6.3 de R
- Cómo acceder a los materiales del curso en Github
- NOTA ADICIONAL: Materiales actualizados en Google Colab
- BONUS: conoce a los creadores originales del curso
- BONUS: Conoce a Juan Gabriel Gomila, tu instructor en español
- Comunidades de Discord para aprender juntos online
- Pre requisito para disfrutar mejor del curso
- Bienvenido a la Parte 1 - Pre Procesado de Datos
- Obtén el conjunto de datos
- Cómo importar librerías
- Cómo importar data sets
- Truco: problemas con el auto completar de spyder
- Resumen de Python: programación orientada a objetos - clases y objetos
- Datos faltantes o desconocidos
- IMPORTANTE: Cambios en Python 3.7
- 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 procesamiento 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
- Pre requisito: ¿Qué es el p-valor?
- Idea de la Regresión Lineal Múltiple - Paso 5
- La función OLS en las nuevas versiones de Python
- 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 Python - Eliminación hacia atrás automática
- 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
- Instalar la nueva versión de ElemStatsLearn
- Regresión Lineal Múltiple en R - Eliminación hacia atrás - Solución
- Regresión Lineal Múltiple en R - Eliminación hacia atrás automática
- Regresión Lineal Múltiple
- Idea de la Regresión Polinómica
- Obtención del conjunto de datos
- Regresión Polinómica en Python - Paso 1
- Regresión Polinómica en Python - Paso 2
- Regresión Polinómica en Python - Paso 3
- Cambio de sintaxis para la predicción polinómica en Python 3.7
- 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 de la SVR
- Obtén el conjunto de datos
- SVR en Python
- SVR en R
- 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