Sistemas de recomendación
Creación de sistemas de recomendación avanzados con IA y ML
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 192 h
26 unidades
Nivel intermedio
Qué aprenderás
Lo que serás capaz de hacer
Esta especialización cuenta con Coursera Coach! Una forma más inteligente de aprender con conversaciones interactivas en tiempo real que le ayudan a poner a prueba sus conocimientos, desafiar suposiciones y profundizar su comprensión a medida que avanza a través de la especialización. Esta especialización le enseñará a construir sistemas de recomendación avanzados utilizando el aprendizaje automático y la IA. Comenzarás aprendiendo Python para evaluar conjuntos de datos y crear sistemas de filtrado colaborativo y basados en el contenido. La especialización cubre conceptos esenciales como sobreajuste, sesgo y varianza, y te introduce a modelos como KNN para construir motores de recomendación. A medida que avances, profundizarás en modelos de aprendizaje profundo como RNNs, GRUs y LSTMs, utilizando TensorFlow para resolver problemas del mundo real. También aprenderás a aplicar técnicas avanzadas como Restricted Boltzmann Machines (RBM) y Autoencoders en sistemas de recomendación. La especialización incluye proyectos prácticos, como el Sistema de Recomendación de Productos de Amazon, donde analizarás datos, los prepararás y desarrollarás modelos de recomendación utilizando enfoques de aprendizaje profundo. Al final de la especialización, podrás diseñar e implementar sistemas de recomendación basados en contenido y filtrado colaborativo, aplicar modelos de aprendizaje profundo como RNNs y desarrollar motores de recomendación con TensorFlow. Ideal para aspirantes a científicos de datos e ingenieros de ML. Son útiles los conocimientos básicos de Python y la familiaridad con las redes neuronales y el aprendizaje profundo.
- Adquiera destreza en la creación de sistemas de recomendación basados en contenidos y de filtrado colaborativo con Python.
- Dominar modelos de Aprendizaje profundo como RNNs, LSTMs y GRUs para mejorar el rendimiento de las recomendaciones.
- Aplicar técnicas avanzadas como las máquinas de Boltzmann restringidas y los autocodificadores en sistemas de recomendación.
- Desarrolle proyectos del mundo real, incluidos sistemas de recomendación de productos mediante aprendizaje profundo y TensorFlow.
Habilidades que desarrollarás
Redes neuronales recurrentes (RNNs)
Evaluación de modelos
Personalización con AI
Manipulación de datos
Apache Spark
Tensorflow
Aprendizaje profundo
Inteligencia artificial y aprendizaje automático (AI/ML)
Preprocesamiento de datos
Métodos de aprendizaje automático
Procesamiento de lenguaje natural
AWS SageMaker
Escalabilidad
Aprendizaje automático aplicado
Autocodificadores
Limpieza de datos
Aprendizaje automático
Modelado predictivo
Programación en Python
Entrenamiento de modelos
Temario
UNIDAD 1 - Introducción · 7 leccionesSistemas de recomendación con Aprendizaje automático - UNIDAD 1 - Introducción
UNIDAD 1 - Introducción · 7 lecciones
Sistemas de recomendación con Aprendizaje automático - UNIDAD 1 - Introducción
- Introducción al Curso "Sistemas de Recomendación con Aprendizaje automático
- Introducción a las ciencias de la IA
- Recursos del curso completo
- Introducción del instructor
- Visión general de los sistemas de recomendación
- Fundamentos de los sistemas de recomendación
- Resumen del proyecto
UNIDAD 2 - Motivación del sistema de recomendación · 8 leccionesSistemas de recomendación con Aprendizaje automático - UNIDAD 2 - Motivación del sistema de recomendación
UNIDAD 2 - Motivación del sistema de recomendación · 8 lecciones
Sistemas de recomendación con Aprendizaje automático - UNIDAD 2 - Motivación del sistema de recomendación
- Visión general de los sistemas de recomendación
- Introducción a los sistemas de recomendación
- Proceso y objetivos de los sistemas de recomendación
- Generaciones de sistemas de recomendación
- Nexo entre la IA y los sistemas de recomendación
- Aplicaciones y retos del mundo real
- Cuestionario
- Solución del cuestionario
UNIDAD 3 - Conceptos básicos de los sistemas de recomendación · 17 leccionesSistemas de recomendación con Aprendizaje automático - UNIDAD 3 - Conceptos básicos de los sistemas de recomendación
UNIDAD 3 - Conceptos básicos de los sistemas de recomendación · 17 lecciones
Sistemas de recomendación con Aprendizaje automático - UNIDAD 3 - Conceptos básicos de los sistemas de recomendación
- Resumen de la sección
- Taxonomía de los sistemas de recomendación
- ICM
- Matriz de valoración de los usuarios
- Calidad de los sistemas de recomendación
- Técnicas de evaluación en línea
- Técnicas de evaluación fuera de línea
- Ejercicio: Cómo elegir la estrategia de evaluación adecuada
- Partición de datos
- Parámetros importantes
- Cálculo de la métrica del error
- Filtrado basado en contenidos
- Filtrado colaborativo y filtrado colaborativo basado en los usuarios
- Filtrado colaborativo basado en modelos de artículos y en la memoria
- Cuestionario
- Solución del cuestionario
- Evaluación 1
UNIDAD 4 - Aprendizaje automático para sistemas de recomendación · 22 leccionesSistemas de recomendación con Aprendizaje automático - UNIDAD 4 - Aprendizaje automático para sistemas de recomendación
UNIDAD 4 - Aprendizaje automático para sistemas de recomendación · 22 lecciones
Sistemas de recomendación con Aprendizaje automático - UNIDAD 4 - Aprendizaje automático para sistemas de recomendación
- Visión general
- Ventajas del aprendizaje automático
- Directrices para el aprendizaje automático
- Enfoques de diseño para el aprendizaje automático
- Filtrado basado en contenidos
- Preparación de datos para el filtrado basado en el contenido
- Manipulación de datos para el filtrado basado en el contenido
- Análisis de los géneros en el filtrado basado en el contenido
- Ejercicio: Analizar las ventajas e inconvenientes de los sistemas de recomendación
- Matriz tf-idf (frecuencia del término-frecuencia inversa del documento)
- Motor de recomendación
- Hacer recomendaciones
- Filtrado colaborativo basado en elementos
- Preparación de datos mediante filtrado por elementos
- Distribución por edades de los usuarios
- Filtrado colaborativo mediante KNN
- Filtrado geográfico
- Implementación de KNN
- Realización de recomendaciones mediante filtrado colaborativo
- Filtrado colaborativo basado en el usuario
- Cuestionario
- Solución del cuestionario
UNIDAD 5 - Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en contenidos · 11 leccionesSistemas de recomendación con Aprendizaje automático - UNIDAD 5 - Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en contenidos
UNIDAD 5 - Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en contenidos · 11 lecciones
Sistemas de recomendación con Aprendizaje automático - UNIDAD 5 - Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en contenidos
- Introducción del proyecto
- Uso del conjunto de datos
- Valores perdidos
- Exploración de los géneros
- Recuento de incidencias
- Check In: Equilibrio entre la popularidad y el descubrimiento en los sistemas de recomendación
- Implementación de tf-idf (frecuencia del término-frecuencia inversa del documento)
- Índice de similitud
- Implementación de FuzzyWuzzy
- Busca el título más cercano
- Hacer recomendaciones
UNIDAD 6 - Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo · 14 leccionesSistemas de recomendación con Aprendizaje automático - UNIDAD 6 - Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo
UNIDAD 6 - Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo · 14 lecciones
Sistemas de recomendación con Aprendizaje automático - UNIDAD 6 - Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo
- Introducción del proyecto
- Discusión del conjunto de datos
- Clasificación Parcela
- COUNT
- Logaritmo del recuento
- Usuarios activos y películas populares
- Ejercicio: Analizar las ventajas e inconvenientes del filtrado de datos
- Crear un filtro colaborativo
- Implementación de KNN
- Hacer recomendaciones
- Conclusión del curso
- Conclusión del Curso "Sistemas de Recomendación con Aprendizaje Automático
- Evaluación 2
- Evaluación completa del curso
UNIDAD 7 - Introducción · 7 leccionesSistemas de recomendación Curso completo de principiante a avanzado - UNIDAD 7 - Introducción
UNIDAD 7 - Introducción · 7 lecciones
Sistemas de recomendación Curso completo de principiante a avanzado - UNIDAD 7 - Introducción
- Introducción al Curso 'Sistemas de Recomendación Curso Completo de Principiante a Avanzado'
- Introducción del módulo y del instructor
- Ciencias de la IA
- Esquema del curso
- Sistemas de recomendación de aprendizaje automático
- Sistemas de recomendación basados en el aprendizaje profundo
- Recursos del curso completo
UNIDAD 8 - Sistemas de recomendación con Aprendizaje automático · 64 leccionesSistemas de recomendación Curso completo de principiante a avanzado - UNIDAD 8 - Sistemas de recomendación con Aprendizaje automático
UNIDAD 8 - Sistemas de recomendación con Aprendizaje automático · 64 lecciones
Sistemas de recomendación Curso completo de principiante a avanzado - UNIDAD 8 - Sistemas de recomendación con Aprendizaje automático
- Motivación del sistema de recomendación: Visión general de los sistemas de recomendación
- Motivación para los sistemas de recomendación: Introducción a los sistemas de recomendación
- Motivación del sistema de recomendación: Proceso y objetivos de los sistemas de recomendación
- Motivación del sistema de recomendación: Generaciones de sistemas de recomendación
- Motivación del sistema de recomendación: Nexo entre IA y sistemas de recomendación
- Motivación para los sistemas de recomendación: aplicaciones y retos del mundo real
- Motivación para el sistema de recomendaciones: cuestionario
- Motivación para un sistema de recomendación: solución del cuestionario
- Conceptos básicos del sistema de recomendación: Visión general
- Conceptos básicos de los sistemas de recomendación: Taxonomía de los sistemas de recomendación
- Conceptos básicos del sistema de recomendación: ICM
- Conceptos básicos del sistema de recomendación: Matriz de valoración de usuarios
- Conceptos básicos del sistema de recomendación: Calidad del sistema de recomendación
- Fundamentos de los sistemas de recomendación: técnicas de evaluación en línea
- Conceptos básicos de los sistemas de recomendación: técnicas de evaluación offline
- Conceptos básicos de los sistemas de recomendación: partición de datos
- Conceptos básicos de los sistemas de recomendación: parámetros importantes
- Conceptos básicos de los sistemas de recomendación: cálculo de métricas de error
- Conceptos básicos de los sistemas de recomendación: filtrado basado en el contenido
- Conceptos básicos de los sistemas de recomendación: filtrado colaborativo y filtrado colaborativo basado en los usuarios
- Conceptos básicos del sistema de recomendación: Modelo de elementos y Filtrado colaborativo basado en la memoria
- Conceptos básicos de los sistemas de recomendación: Cuestionario
- Conceptos básicos de los sistemas de recomendación: Solución del cuestionario
- Aprendizaje automático para sistemas de recomendación: visión general
- Aprendizaje automático para sistemas de recomendación: ventajas del aprendizaje automático
- Aprendizaje automático para sistemas de recomendación: Directrices para el ML
- Aprendizaje automático para sistemas de recomendación: enfoques de diseño para el aprendizaje automático
- Aprendizaje automático para sistemas de recomendación: filtrado basado en el contenido
- Aprendizaje automático para sistemas de recomendación: Preparación de datos para el filtrado basado en contenidos
- Aprendizaje automático para sistemas de recomendación: manipulación de datos para el filtrado basado en el contenido
- Aprendizaje automático para sistemas de recomendación: análisis de los géneros en el filtrado basado en el contenido
- Aprendizaje automático para sistemas de recomendación: matriz tf-idf
- Aprendizaje automático para sistemas de recomendación: motor de recomendación
- Aprendizaje automático para sistemas de recomendación: Hacer recomendaciones
- Aprendizaje automático para sistemas de recomendación: Filtrado colaborativo basado en elementos
- Aprendizaje automático para sistemas de recomendación: Filtrado basado en elementos Preparación de datos
- Aprendizaje automático para sistemas de recomendación: distribución por edades de los usuarios
- Aprendizaje automático para sistemas de recomendación: filtrado colaborativo mediante KNN
- Aprendizaje automático para sistemas de recomendación: filtrado geográfico
- Aprendizaje automático para sistemas de recomendación: implementación de KNN
- Aprendizaje automático para sistemas de recomendación: cómo realizar recomendaciones mediante el filtrado colaborativo
- Aprendizaje automático para sistemas de recomendación: filtrado colaborativo basado en los usuarios
- Aprendizaje automático para sistemas de recomendación: Cuestionario
- Aprendizaje automático para sistemas de recomendación: solución del cuestionario
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: Introducción al proyecto
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: uso del conjunto de datos
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: valores perdidos
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: análisis de los géneros
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: recuento de apariciones
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: implementación de tf-idf
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: índice de similitud
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: implementación de Fuzzywuzzy
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: buscar el título más parecido
- Proyecto 1: Sistema de recomendación de canciones mediante filtrado basado en el contenido: cómo realizar recomendaciones
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: Introducción al proyecto
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: Discusión del conjunto de datos
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: gráfico de valoraciones
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: recuento
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: logaritmo del recuento
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: usuarios activos y películas populares
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: Crear un filtro colaborativo
- Proyecto 2: Sistema de recomendación de películas mediante Filtrado colaborativo: Implementación de KNN
- Proyecto 2: Sistema de recomendación de películas mediante filtrado colaborativo: cómo hacer recomendaciones
- Entender los sistemas de recomendación
UNIDAD 9 - Aprendizaje profundo para sistemas de recomendación: Un enfoque aplicado · 29 leccionesSistemas de recomendación Curso completo de principiante a avanzado - UNIDAD 9 - Aprendizaje profundo para sistemas de recomendación: Un enfoque aplicado
UNIDAD 9 - Aprendizaje profundo para sistemas de recomendación: Un enfoque aplicado · 29 lecciones
Sistemas de recomendación Curso completo de principiante a avanzado - UNIDAD 9 - Aprendizaje profundo para sistemas de recomendación: Un enfoque aplicado
- Fundamentos del aprendizaje profundo para sistemas de recomendación: Introducción al módulo
- Fundamentos del aprendizaje profundo para sistemas de recomendación: visión general
- Aprendizaje profundo para sistemas de recomendación: Aprendizaje profundo en sistemas de recomendación
- Fundamentos del aprendizaje profundo para sistemas de recomendación: inferencia tras el entrenamiento
- Fundamentos del aprendizaje profundo para sistemas de recomendación: mecanismo de inferencia
- Fundamentos del aprendizaje profundo para sistemas de recomendación: representaciones y contexto del usuario
- Fundamentos del aprendizaje profundo para sistemas de recomendación: filtrado colaborativo neuronal
- Fundamentos del aprendizaje profundo para sistemas de recomendación: filtrado colaborativo con VAE
- Fundamentos del aprendizaje profundo para los sistemas de recomendación: fortalezas y debilidades de los modelos de aprendizaje profundo
- Fundamentos del aprendizaje profundo para sistemas de recomendación: Cuestionario sobre aprendizaje profundo
- Fundamentos del aprendizaje profundo para sistemas de recomendación: Solución del cuestionario sobre aprendizaje profundo
- Proyecto «Sistema de recomendación de productos de Amazon»: Descripción general del módulo
- Proyecto «Sistema de recomendación de productos de Amazon»: TensorFlow Recommenders
- Proyecto «Sistema de recomendación de productos de Amazon»: modelo de dos torres
- Proyecto «Sistema de recomendación de productos de Amazon»: Descripción general del proyecto
- Proyecto «Sistema de recomendación de productos de Amazon»: Descargar bibliotecas
- Proyecto «Sistema de recomendación de productos de Amazon»: visualización de datos con WordCloud
- Proyecto «Sistema de recomendación de productos de Amazon»: crear tensores a partir de un DataFrame
- Proyecto «Sistema de recomendación de productos de Amazon»: evaluación de nuestros datos
- Proyecto «Sistema de recomendación de productos de Amazon»: división aleatoria entre entrenamiento y prueba
- Proyecto «Sistema de recomendación de productos de Amazon»: creación del modelo y de la «Tower of Queries»
- Proyecto «Sistema de recomendación de productos de Amazon»: «Candidate Tower» y sistema de recuperación
- Proyecto «Sistema de recomendación de productos de Amazon»: Cálculo de pérdidas
- Proyecto «Sistema de recomendación de productos de Amazon»: entrenamiento y validación
- Proyecto «Sistema de recomendación de productos de Amazon»: precisión frente a recomendaciones
- Proyecto Sistema de recomendación de productos de Amazon: Hacer recomendaciones
- Conclusión del Curso 'Sistemas de Recomendación Curso Completo de Principiante a Avanzado'
- Evaluación práctica del curso completo
- Evaluación completa del curso
UNIDAD 10 - Introducción · 4 leccionesSistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo - UNIDAD 10 - Introducción
UNIDAD 10 - Introducción · 4 lecciones
Sistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo - UNIDAD 10 - Introducción
- Introducción al Curso 'Sistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo'
- Sobre el instructor
- Recursos del curso completo
- Esquema del curso
UNIDAD 11 - Deep Learning Foundation for Recommender Systems · 12 leccionesSistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo - UNIDAD 11 - Deep Learning Foundation for Recommender Systems
UNIDAD 11 - Deep Learning Foundation for Recommender Systems · 12 lecciones
Sistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo - UNIDAD 11 - Deep Learning Foundation for Recommender Systems
- Módulo Introducción
- Visión general
- Aprendizaje profundo en sistemas de recomendación
- Inferencia tras el entrenamiento
- Inference Mechanism
- Incrustaciones y contexto del usuario
- Neural Collaborative Filtering
- VAE Collaborative Filtering
- Strengths and Weaknesses of DL Models
- Cuestionario sobre aprendizaje profundo
- Deep Learning Quiz Solution
- Exploring Recurrent Neural Networks in Recommender Systems
UNIDAD 12 - Proyecto Sistema de recomendación de productos de Amazon · 18 leccionesSistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo - UNIDAD 12 - Proyecto Sistema de recomendación de productos de Amazon
UNIDAD 12 - Proyecto Sistema de recomendación de productos de Amazon · 18 lecciones
Sistemas de Recomendación: Un enfoque aplicado utilizando el Aprendizaje profundo - UNIDAD 12 - Proyecto Sistema de recomendación de productos de Amazon
- Resumen del módulo
- TensorFlow Recommenders
- Two-Tower Model
- Resumen del proyecto
- Descargar bibliotecas
- Visualización de datos con WordCloud
- Hacer Tensores a partir de DataFrame
- Rating Our Data
- Random Train-Test Split
- Making the Model and Query Tower
- Candidate Tower and Retrieval System
- Compute Loss
- Train and Validation
- Accuracy Versus Recommendations
- Hacer recomendaciones
- Conclusión del Curso 'Sistemas de Recomendación: Un enfoque aplicado utilizando el aprendizaje profundo'
- Evaluación completa del curso
- Evaluación práctica del curso completo
UNIDAD 13 - Cómo empezar · 9 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 13 - Cómo empezar
UNIDAD 13 - Cómo empezar · 9 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 13 - Cómo empezar
- Introducción al curso 'Creación de sistemas de recomendación con aprendizaje automático e IA'
- Instalación de Anaconda, materiales del curso y creación de recomendaciones de películas
- Recursos del curso completo
- Hoja de ruta del curso
- ¿Qué es un sistema de recomendación?
- Tipos de recomendadores
- Comprender las valoraciones implícitas y explícitas
- Arquitectura de recomendación Top-N
- Repasar los fundamentos de un sistema de recomendación
UNIDAD 14 - Introducción a Python · 5 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 14 - Introducción a Python
UNIDAD 14 - Introducción a Python · 5 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 14 - Introducción a Python
- Conceptos básicos de Python (Actividad)
- Estructuras de datos en Python
- Funciones en Python
- Booleanos, bucles y un reto práctico (Ejercicio)
- Conceptos básicos de Python con listas, tuplas y diccionarios
UNIDAD 15 - Evaluación de un sistema de recomendación · 11 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 15 - Evaluación de un sistema de recomendación
UNIDAD 15 - Evaluación de un sistema de recomendación · 11 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 15 - Evaluación de un sistema de recomendación
- Entrenamiento/prueba y validación cruzada
- Medición de la precisión mediante el error cuadrático medio (RMSE) y el error absoluto medio (MAE)
- Tasa de aciertos Top-N - Muchas maneras
- Cobertura, diversidad y novedad
- Churn, capacidad de respuesta y Pruebas A/B
- Repasar las formas de medir su recomendador (Cuestionario)
- Tutorial de RecommenderMetrics.py (Actividad)
- Tutorial de TestMetrics.py (Actividad)
- Medición del rendimiento de las recomendaciones de descomposición del valor singular (SVD) (Actividad)
- Evaluación de sistemas de recomendación con métricas offline
- Evaluación 1
UNIDAD 16 - Un motor de recomendación · 5 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 16 - Un motor de recomendación
UNIDAD 16 - Un motor de recomendación · 5 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 16 - Un motor de recomendación
- Arquitectura del motor de recomendación
- Recorrido del motor de recomendación - Parte 1 (Actividad)
- Recorrido del motor de recomendación - Parte 2 (Actividad)
- Revisión de los resultados de la evaluación de nuestro algoritmo (actividad)
- Creación y evaluación de sistemas de recomendación personalizados mediante Surprise Lib
UNIDAD 17 - Filtrado basado en contenidos · 7 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 17 - Filtrado basado en contenidos
UNIDAD 17 - Filtrado basado en contenidos · 7 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 17 - Filtrado basado en contenidos
- Recomendaciones basadas en el contenido y la métrica de similitud del coseno
- K vecinos más cercanos (KNN) y recomendaciones de contenidos
- Elaboración y evaluación de recomendaciones de películas basadas en contenidos (actividad)
- Nota sobre el uso de valoraciones implícitas
- ¡Alerta de borde sangrante! Recomendaciones para la puesta en escena (Actividad)
- Profundizar en las recomendaciones basadas en el contenido (ejercicio)
- Similitud del coseno para recomendar películas
UNIDAD 18 - Filtrado colaborativo basado en vecindarios · 15 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 18 - Filtrado colaborativo basado en vecindarios
UNIDAD 18 - Filtrado colaborativo basado en vecindarios · 15 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 18 - Filtrado colaborativo basado en vecindarios
- Medición de la similitud y la dispersión
- Métricas de similitud
- Filtrado colaborativo basado en el usuario
- Filtrado colaborativo basado en el usuario - Práctica (Actividad)
- Filtrado colaborativo basado en elementos
- Filtrado colaborativo basado en elementos - Práctica (Actividad)
- Ajuste de algoritmos de Filtrado colaborativo (Ejercicio)
- Evaluación de sistemas de Filtrado colaborativo fuera de línea (Actividad)
- Medición del porcentaje de aciertos del Filtrado colaborativo basado en ítems (Ejercicio)
- Recomendadores K-Nearest-Neighbor (KNN)
- Ejecución de K vecinos más cercanos (KNN) basados en usuarios y en elementos en el conjunto de datos MovieLens (Actividad)
- Experimentación con distintos parámetros de K vecinos más cercanos (KNN) (Ejercicio)
- Alerta de vanguardia Recomendaciones basadas en la traducción
- Entendiendo el Filtrado colaborativo basado en el vecindario
- Evaluación 2
UNIDAD 19 - Métodos de factorización de matrices · 7 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 19 - Métodos de factorización de matrices
UNIDAD 19 - Métodos de factorización de matrices · 7 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 19 - Métodos de factorización de matrices
- Análisis de componentes principales (ACP)
- Descomposición en valores singulares (SVD)
- Ejecución de la descomposición del valor singular (SVD) y la descomposición del valor singular (SVD ++) en MovieLens (Actividad)
- Mejora de la descomposición del valor singular (SVD)
- Ajuste de los hiperparámetros en la descomposición de valores singulares (SVD) (Ejercicio)
- Alerta sobre el borde sangrante Métodos lineales dispersos (SLIM)
- Comprensión del análisis de componentes principales (PCA) en los sistemas de recomendación
UNIDAD 20 - Introducción al Aprendizaje profundo (Optativo) · 26 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 20 - Introducción al Aprendizaje profundo (Optativo)
UNIDAD 20 - Introducción al Aprendizaje profundo (Optativo) · 26 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 20 - Introducción al Aprendizaje profundo (Optativo)
- Introducción al aprendizaje profundo
- Requisitos previos del Aprendizaje profundo
- Historia de las redes neuronales artificiales (RNA)
- (Actividad) Jugando con TensorFlow
- Entrenamiento de redes neuronales
- Ajuste de las redes neuronales (evitar el sobreajuste)
- Funciones de activación: Más profundidad
- Introducción a TensorFlow
- Reconocimiento de escritura a mano con TensorFlow - Parte 1 (Actividad)
- Reconocimiento de escritura a mano con TensorFlow - Parte 2 (Actividad)
- Introducción a Keras
- Reconocimiento de escritura a mano con Keras (Actividad)
- Patrones de clasificación con Keras
- Predicción de los partidos políticos de los políticos con Keras (Ejercicio)
- Introducción a la Red neuronal convolucional (CNN)
- Arquitectura de red neuronal convolucional (CNN)
- Reconocimiento de escritura a mano con Red neuronal convolucional (CNN) (Actividad)
- Introducción a las Redes Neuronales Recurrentes (RNN)
- Entrenamiento de Redes Neuronales Recurrentes (RNN)
- Análisis de sentimientos de críticas de películas utilizando redes neuronales recurrentes (RNN) y Keras (Actividad)
- Ajuste de las redes neuronales
- Técnicas de regularización de redes neuronales
- Redes generativas adversariales (GAN)
- GAN en acción
- Generación de imágenes de ropa con redes generativas adversarias (Actividad)
- Entender las redes neuronales y los conceptos básicos del Aprendizaje profundo
UNIDAD 21 - Aprendizaje profundo para sistemas de recomendación · 21 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 21 - Aprendizaje profundo para sistemas de recomendación
UNIDAD 21 - Aprendizaje profundo para sistemas de recomendación · 21 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 21 - Aprendizaje profundo para sistemas de recomendación
- Introducción al Aprendizaje profundo para recomendadores
- Máquina de Boltzmann restringida (RBM)
- Recomendaciones con la máquina de Boltzmann restringida (RBM) - Parte 1 (Actividad)
- Recomendaciones con la máquina de Boltzmann restringida (RBM) - Parte 2 (Actividad)
- Evaluación del recomendador de la máquina de Boltzmann restringida (RBM) (Actividad)
- Ajuste de la máquina de Boltzmann restringida (RBM) (Ejercicio)
- Resultados del ejercicio: Ajuste de un recomendador de máquina de Boltzmann restringida (RBM)
- Autocodificadores para recomendaciones: Aprendizaje profundo para la recomendación
- Recomendaciones con redes neuronales profundas (Actividad)
- Recomendaciones de clics con Redes Neuronales Recurrentes (RNN)
- Cómo hacer que GRU4Rec funcione en su escritorio (Ejercicio)
- Resultados del ejercicio: GRU4Rec en acción
- Alerta de vanguardia Redes generativas adversarias para recomendaciones
- Recomendadores TensorFlow (TFRS): Introducción y construcción de una etapa de recuperación
- Recomendadores TensorFlow (TFRS): Construcción de una etapa de clasificación
- Recomendadores TensorFlow (TFRS): Incorporación de características laterales y recuperación profunda
- Recomendadores TensorFlow (TFRS): Recomendadores multitarea, redes profundas y cruzadas, ScaNN y Serving
- Alerta de vanguardia Máquinas de factorización profunda
- Más tecnología emergente
- Aplicación de las redes neuronales a los sistemas de recomendación
- Evaluación 3
UNIDAD 22 - Aumentar la escala · 12 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 22 - Aumentar la escala
UNIDAD 22 - Aumentar la escala · 12 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 22 - Aumentar la escala
- Introducción e instalación de Apache Spark (Actividad)
- Arquitectura de Apache Spark
- Recomendaciones de películas con Spark, factorización de matrices y mínimos cuadrados alternos (ALS) (Actividad)
- Recomendaciones de 20 millones de valoraciones con Spark (Actividad)
- Motor de redes tensoriales dispersas escalables y profundas de Amazon (DSSTNE)
- Amazon Deep Scalable Sparse Tensor Network Engine (DSSTNE) en acción
- Ampliación de Amazon Deep Scalable Sparse Tensor Network Engine (DSSTNE)
- SageMaker y máquinas de factorización de Amazon Web Services (AWS)
- Amazon SageMaker en acción: Máquinas de factorización en un millón de valoraciones en la nube
- Otros sistemas de interés (Amazon Personalize, RichRelevance, Recombee, etc.)
- Arquitectura del sistema de recomendación
- Escalado de sistemas de recomendación con Apache Spark
UNIDAD 23 - Retos reales de los sistemas de recomendación · 13 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 23 - Retos reales de los sistemas de recomendación
UNIDAD 23 - Retos reales de los sistemas de recomendación · 13 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 23 - Retos reales de los sistemas de recomendación
- El problema del arranque en frío (y soluciones)
- Implementación de la exploración aleatoria (Ejercicio)
- Solución del ejercicio - Exploración aleatoria
- Listas de paradas
- Aplicación de una lista de paradas (ejercicio)
- Solución de ejercicios - Aplicación de una lista de paradas
- Filtrado de burbujas, confianza y valores atípicos
- Identificación y eliminación de usuarios atípicos (ejercicio)
- Solución de ejercicios: Eliminación de valores atípicos
- Fraude, peligros del flujo de clics e inquietudes internacionales
- Efectos temporales y recomendaciones en función del valor
- El problema del arranque en frío en los sistemas de recomendación
- Evaluación 4
UNIDAD 24 - Casos prácticos · 5 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 24 - Casos prácticos
UNIDAD 24 - Casos prácticos · 5 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 24 - Casos prácticos
- Explorando el sistema de recomendaciones de YouTube: Retos y soluciones de Aprendizaje profundo
- Cómo YouTube utiliza el Aprendizaje profundo para clasificar y recomendar vídeos
- Netflix utiliza algoritmos híbridos para ofrecer recomendaciones personalizadas
- Cómo Netflix utiliza el contexto y el Aprendizaje automático para perfeccionar las recomendaciones
- Comprender los sistemas de recomendación: Estudios de caso de YouTube y Netflix
UNIDAD 25 - Enfoques híbridos · 4 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 25 - Enfoques híbridos
UNIDAD 25 - Enfoques híbridos · 4 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 25 - Enfoques híbridos
- Recomendadores híbridos y ejercicio
- Solución de ejercicios: Recomendadores híbridos
- Implantación de sistemas de recomendación híbridos
- Evaluación 5
UNIDAD 26 - Para terminar · 4 leccionesCreación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 26 - Para terminar
UNIDAD 26 - Para terminar · 4 lecciones
Creación de sistemas de recomendación con Aprendizaje automático e IA - UNIDAD 26 - Para terminar
- Más por explorar
- Conclusión del curso "Creación de sistemas de recomendación con aprendizaje automático e IA
- Evaluación práctica del curso completo
- Evaluación completa del curso
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
26 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
14 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Packt.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 26 unidades · 357 lecciones · 192 h
- 12 meses de acceso
- 14 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Packt; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
