Machine Learning. Curso básico de Machine Learning y Python
Aprende a usar Numpy, Pandas, Seaborn, Matplotlib, Plotly y Sckit-Learn con este curso de Machine Learning con Python
Lo que serás capaz de hacer
Machine Learning. Curso básico de Machine Learning con Python , en español, completamente práctico , donde todas las lecciones están explicadas mediante ejemplos , para que se puedan entender fácilmente. Estos son los temas principales que se tratan en este curso de Machine Learning. Configuración del entorno (instalación de Anaconda y Jupyter Notebook online) Curso básico de Python (Números, cadenas, listas, diccionarios, tuplas, conjuntos, operadores, función range, map, filter, bucles for y while, y funciones lambda) Módulo Numpy (Numpy con listas, funciones arange, ones, zeros, linspace, números aleatorios y arrays de 1 y 2 dimensiones) Módulo Pandas (Series, Data Frames, selección de datos, modificación de filas, tratar valores nulos, agrupación por columnas, combinar Data Frames, Merge y Join en Data Frames, leer ficheros tipo excel, leer páginas web HTML, grabar Data Frames en tablas SQL y gráficos con pandas) Módulo Matplotlib (gráficos, multigráficos, tamaño del gráfico, crear 2 gráficos en la misma figura, color del gráfico, tipo de línea y marcadores) Módulo Seaborn (Gráficos de distribución, gráficos para columnas de tipo categoría, mapas de calor, gráficos de regresión, estilos y colores) Módulos Plotly y Cufflinks (Gráficos interactivos) Módulo sckit-learn (módulo de Machine Learning) Regresión Lineal (algoritmo de Machine Learning) Regresión Logística (algoritmo de Machine Learning) Algoritmo de los k-vecinos más cercanos (algoritmo de Machine Learning) Algoritmo de árboles de decisión (algoritmo de Machine Learning) Algoritmo de Random Forest (algoritmo de Machine Learning) Algoritmo de máquinas de vectores de soporte (algoritmo de Machine Learning) Algoritmo de k-medias (algoritmo de Machine Learning) Exportar e importar un modelo de machine learning hacia y desde un fichero binario tipo pickle Procesamiento del lenguaje natural, PLN (Introducción y ejercicio práctico en python) Sección extra (Agradecimientos y sorpresa final) Aprenderás Machine Learning de forma práctica y sencilla , con videos cortos y más de 80 ejemplos y 53 ejercicios de codificación en Python ! Este curso tiene una garantía de reembolso de 30 días. Anímate y aprende Machine Learning ya !! Nos vemos en el curso Un saludo Equipo de Redait Media
- Usar Python para Machine Learning y Data Science
- Implementar algoritmos de Machine Learning
- Usar Scikit-learn, el módulo más utilizado para Machine Learning
- Usar Plotly para hacer gráficos interactivos
- Aprender Numpy para el procesamiento numérico
- Aprender a usar Matplotlib para hacer gráficos con los datos
Temario
UNIDAD 1 - Introducción · 1 leccionesUNIDAD 1 - Introducción
UNIDAD 1 - Introducción
- Introducción
UNIDAD 2 - Configuración del entorno de trabajo · 3 leccionesUNIDAD 2 - Configuración del entorno de trabajo
UNIDAD 2 - Configuración del entorno de trabajo
- Instalación de Anaconda y Python
- Jupyter Notebook online
- Jupyter con diferentes versiones de Python
UNIDAD 3 - Curso básico de Python · 26 leccionesUNIDAD 3 - Curso básico de Python
UNIDAD 3 - Curso básico de Python
- Números
- Cadenas de caracteres y formatos de impresión
- Listas
- Diccionarios
- Tipo boolean
- Tuplas
- Conjuntos
- Operadores de comparación
- Operadores condicionales if elif else
- Bucle FOR
- Bucle WHILE
- Función range
- Compresiones de listas
- Funciones
- Función MAP
- Función Lambda
- Funcion FILTER
- Funciones de cadenas de caracteres
- Ejercicio 1
- Solución al ejercicio 1
- Ejercicio 2
- Solución al ejercicio 2
- Ejercicio 3
- Solución al ejercicio 3
- Ejercicio 4
- Solución al ejercicio 4
UNIDAD 4 - Módulo Numpy para análisis de datos · 18 leccionesUNIDAD 4 - Módulo Numpy para análisis de datos
UNIDAD 4 - Módulo Numpy para análisis de datos
- Introducción a Numpy
- Numpy con listas
- Funciones arange, ones, zeros y linspace
- Números aleatorios con Numpy
- Números enteros aleatorios con Numpy
- Cambio de tamaño
- Valor máximo y mínimo
- Arrays con 1 dimensión
- Arrays con 2 dimensiones
- Selección por condición
- Operaciones con arrays
- Ejercicio 1
- Solución al ejercicio 1
- Ejercicio 2
- Solución al ejercicio 2
- Generar N números aleatorios enteros entre un valor mínimo y máximo
- Generar una Secuencia de Números
- Finanzas personales
UNIDAD 5 - Módulo Pandas para análisis de datos · 22 leccionesUNIDAD 5 - Módulo Pandas para análisis de datos
UNIDAD 5 - Módulo Pandas para análisis de datos
- Introducción a Pandas
- Series
- Dataframes
- Selección de datos en Pandas
- Modificación de filas
- Tratar valores nuloss
- Agrupación por columna
- Combinar DataFrames
- Merge en DataFrames
- Join
- Operaciones con DataFrames
- Ficheros CSV, tipo EXCEL
- Leer páginas web HTML
- Grabar DataFrame en una tabla SQL
- Gráficos con Pandas
- Ejercicio 1
- Solución al ejercicio 1
- Ejercicio 2
- Solución al ejercicio 2
- Calcular promedio
- Seleccionar datos
- Limpieza inteligente de datos
UNIDAD 6 - Módulo Matplotlib para análisis de datos · 12 leccionesUNIDAD 6 - Módulo Matplotlib para análisis de datos
UNIDAD 6 - Módulo Matplotlib para análisis de datos
- Introducción a Matplotlib
- Ejemplos con matplotlib
- Multigráficos
- Tamaño del gráfico
- Crear 2 gráficos juntos
- Color del gráfico
- Tipo de línea del gráfico
- Marcadores
- Ejercicio 1
- Solución al ejercicio 1
- Horas de estudio y calificaciones
- Temperaturas semanales
UNIDAD 7 - Módulo Seaborn para análisis de datos · 7 leccionesUNIDAD 7 - Módulo Seaborn para análisis de datos
UNIDAD 7 - Módulo Seaborn para análisis de datos
- Introducción a Seaborn
- Gráficos de distribución
- Gráficos para columnas de tipo categoría
- Mapas de calor
- PairGrid y FacetGrid
- Gráficos de regresión
- Estilos y colores en Seaborn
UNIDAD 8 - Módulos Plotly y Cufflinks para análisis de datos · 2 leccionesUNIDAD 8 - Módulos Plotly y Cufflinks para análisis de datos
UNIDAD 8 - Módulos Plotly y Cufflinks para análisis de datos
- Introducción
- Ejemplos
UNIDAD 9 - Machine Learning - Aprendizaje de máquinas · 2 leccionesUNIDAD 9 - Machine Learning - Aprendizaje de máquinas
UNIDAD 9 - Machine Learning - Aprendizaje de máquinas
- Introducción a Machine Learning o Aprendizaje de máquinas
- Módulo sckit-learn : Instalación y uso
UNIDAD 10 - Regresión Linear en Machine Learning · 9 leccionesUNIDAD 10 - Regresión Linear en Machine Learning
UNIDAD 10 - Regresión Linear en Machine Learning
- Introducción
- Ejercicio de Regresión Lineal (parte 1)
- Ejercicio de Regresión Lineal (parte 2)
- Ejercicio de Regresión Lineal (parte 3)
- Regresión Lineal con Datos de Ventas
- Predecir el rendimiento de un jugador
- Predecir ingresos de una aplicación
- Predicción del desgaste de vehículos
- Predecir consumo energético de satélites
UNIDAD 11 - Regresión Logística en Machine Learning · 8 leccionesUNIDAD 11 - Regresión Logística en Machine Learning
UNIDAD 11 - Regresión Logística en Machine Learning
- Introducción
- Ejercicio de Regresión Logística (parte 1)
- Ejercicio de Regresión Logística (parte 2)
- Ejercicio de Regresión Logística (parte 3)
- Clasificación Binaria
- Predecir futuro de una app
- Predecir resultados en partidas multijugador
- Predicción meteorológica con gráfico
UNIDAD 12 - K vecinos más cercanos en Machine Learning · 7 leccionesUNIDAD 12 - K vecinos más cercanos en Machine Learning
UNIDAD 12 - K vecinos más cercanos en Machine Learning
- Introducción
- Ejercicio del algoritmo de los K-vecinos más cercanos
- K Vecinos Más Cercanos para Clasificación
- Seguridad en Dispositivos IoT
- Recomendador de Personajes
- Recomendador de canciones inteligente
- Clasificador inteligente de materiales reciclables
UNIDAD 13 - Arboles de decisión en Machine Learning · 7 leccionesUNIDAD 13 - Arboles de decisión en Machine Learning
UNIDAD 13 - Arboles de decisión en Machine Learning
- Introducción
- Ejercicio con árboles de decisión
- Arboles de decisión
- Métricas en árboles de decisión
- Recomendador de plataforma
- Clasificador de snacks saludables
- Clasificador de jugadores de baloncesto
UNIDAD 14 - Random Forest en Machine Learning · 6 leccionesUNIDAD 14 - Random Forest en Machine Learning
UNIDAD 14 - Random Forest en Machine Learning
- Introducción
- Ejercicio de Random Forest
- Random Forest
- Recomendador de lenguajes de programación
- Recomendador de videojuegos
- Predicción del nivel de estrés
UNIDAD 15 - Máquinas de vectores de soporte en Machine Learning · 6 leccionesUNIDAD 15 - Máquinas de vectores de soporte en Machine Learning
UNIDAD 15 - Máquinas de vectores de soporte en Machine Learning
- Introducción
- Ejercicio
- SVM - Máquinas de vectores de soporte
- Detectar jugadores con potencial profesional
- Clasificador de calidad del aire
- Clasificar piezas industriales
UNIDAD 16 - Algoritmo de k-medias en Machine Learning · 6 leccionesUNIDAD 16 - Algoritmo de k-medias en Machine Learning
UNIDAD 16 - Algoritmo de k-medias en Machine Learning
- Introducción
- Ejercicio de k-medias
- Algoritmo de k-medias
- Agrupando jugadores
- Agrupar viajeros según sus preferencias
- Agrupar perfiles de sueño
UNIDAD 17 - Exportar e importar un modelo entrenado de ML · 3 leccionesUNIDAD 17 - Exportar e importar un modelo entrenado de ML
UNIDAD 17 - Exportar e importar un modelo entrenado de ML
- Exportar modelo a un fichero
- Importar modelo desde un fichero
- Laboratorio para guardar y recuperar un modelo de un fichero binario pickle
UNIDAD 18 - Comunicación entre personas y máquinas · 5 leccionesUNIDAD 18 - Comunicación entre personas y máquinas
UNIDAD 18 - Comunicación entre personas y máquinas
- Procesamiento del lenguaje natural - Introducción
- Ejercicio - Detección de spam - parte 1
- Ejercicio - Detección de spam - parte 2
- Ejercicio - Detección de spam - parte 3
- Ejercicio - Detección de spam - parte 4
UNIDAD 19 - Ejercicios finales · 15 leccionesUNIDAD 19 - Ejercicios finales
UNIDAD 19 - Ejercicios finales
- Predicción de abandono escolar
- Predicción del Precio de una Vivienda
- Agrupación de clientes según comportamientos de compra
- Predicción para acertar la lotería
- Clasificación Automática de Frutas
- Predicción de compra de un producto en línea
- Detectar correo electrónico spam
- Segmentación de Clientes y Predicción de Compra
- Diseñar una IA que entienda a los jugadores
- Predicción del consumo energético
- Predicción del tiempo de entrega de pedidos
- Clasificador de niveles de estrés de jugadores
- Sistema inteligente de detección de fraude en compras online
- Detector de Tesoros Submarinos con IA
- Sistema de Exploración Planetaria con KNN
UNIDAD 20 - Sección adicional · 2 leccionesUNIDAD 20 - Sección adicional
UNIDAD 20 - Sección adicional
- Enhorabuena
- Clase extra
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
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $2,800 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
20 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
Cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
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 Redait Media.
- Folio y QR verificables para compartirlo con quien te contrate.
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 20 unidades · 167 lecciones · 60 h
- 12 meses de acceso
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $2,800 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 Redait Media; 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.
