Tema 1º Introducción a Machine Learning

• Lección 1: Introducción al Machine Learning
• Lección 2: Breve historia del Machine Learning
• Lección 3: Actualidad del Machine Learning
• Lección 4: Concepto de Deep Learning y modelos de Machine Learning

Tema 2º Entorno de Desarrollo

• Lección 5: Requisitos del Software en Machine Learning (Parte 1)
• Lección 6: Requisitos del Software en Machine Learning (Parte 2)
• Lección 7: Requisitos del Hardware para Machine Learning (Parte 1)
• Lección 8: Requisitos del Hardware en Machine Learning (Parte 2)
• Lección 9: Requisitos del Hardware en Machine Learning (Parte 3)
• Lección 10: Análisis de la CPU (Parte 1)
• Lección 11: Análisis de la CPU (Parte 2)
• Lección 12: Análisis del almacenamiento y CPU
• Lección 13: Principales herramientas para Machine Learning (Parte 1)
• Lección 14: Principales herramientas para Machine Learning (Parte 2)
• Lección 15: Descripción y características de Anaconda
• Lección 16: Instalación de Anaconda
• Lección 17: Gestión de entornos con Anaconda
• Lección 18: Análisis de entornos: iPython y Spyder
• Lección 19: Análisis de la aplicación: Jypiter (Abierta)

Tema 3º Estructuras de Datos

• Lección 20: Conceptos básicos de la estructura de datos
• Lección 21: Características principales de las Listas (Parte 1)
• Lección 22: Características principales de las Listas (Parte 2)
• Lección 23: Definición y uso de las Sublistas y Extend
• Lección 24: Modificación y eliminación de elementos en listas
• Lección 25: Propiedades y búsquedas en Listas
• Lección 26: Definición y operaciones con Matrices
• Lección 27: Uso y funciones del List Comprehensions
• Lección 28: Demostración práctica del elemento Listas (Parte 1)
• Lección 29: Demostración práctica del elemento Listas (Parte 2)
• Lección 30: Introducción a elementos de diccionarios
• Lección 31: Método get0 y agregación de elementos en diccionarios
• Lección 32: Ordenación y búsqueda en diccionarios
• Lección 33: Matrices con diccionarios
• Lección 34: Demostración práctica y conclusiones con diccionarios
• Ejercicios del Tema 3

Tema 4º Operaciones con Datos

• Lección 35: Conceptos básicos de las operaciones e introducción a NumPy
• Lección 36: Importación y creación de Arrays en NumPy
• Lección 37: Agregación y modificación de elementos en NumPy
• Lección 38: Funciones y operaciones con NumPy
• Lección 39: Filtrado Booleano de los datos y observaciones principales en NumPy
• Lección 40: Introducción a la biblioteca Pandas
• Lección 41: Objeto Series y DataFrame en Pandas
• Lección 42: Gestión y carga de los datos en Pandas
• Lección 43: Carga de datos en HTML y Análisis y funciones de los Datasets
• Lección 44: Análisis y ejemplos de los Datasets
• Ejercicios del Tema 4
• Examen 1º

Tema 5º Gestión de los Datos

• Lección 45: Introducción y funcionalidades de la carga de Datos (Abierta)
• Lección 46: Acceso a elementos y subconjuntos de datos
• Lección 47: Procesos de agregación de elementos en un Dataframe
• Lección 48: Principales funciones del objeto Dataframe
• Lección 49: Operaciones con Dataframe y filtrado Booleano
• Lección 50: Ejemplo práctico con el objeto Dataframe
• Lección 51: Visualización de los datos con Matplotlib
• Lección 52: Formato y colocación de etiquetas en los datos
• Lección 53: Principales tipos de gráficos
• Lección 54: Proceso de exportación de gráficos
• Ejercicios del Tema 5

Tema 6º TensorFlow

• Lección 55: Introducción e historia de TensorFlow
• Lección 56: Usos y aplicaciones de TensorFlow
• Lección 57: Usos y aplicaciones de TensorFlow (2 Parte)
• Lección 58: Estructura de TensorFlow: Tensores, nodos y grafos
• Lección 59: Estructura de TensorFlow: Sesiones e importación
• Lección 60: Operaciones de cálculo simple con TensorFlow
• Lección 61: Operaciones con grafos y neuronas
• Lección 62: Construcción y operaciones con neuronas AND
• Lección 63: Operaciones con neuronas y Regresión Lineal
• Lección 64: Operaciones de Regresión Lineal (Parte 1)
• Lección 65: Operaciones de Regresión Lineal (Parte 2)
• Ejercicios del Tema 6º

Tema 7º Operaciones con Machine Learning

• Lección 66: Introducción a las operaciones
• Lección 67: Objetivo y selección del modelo (1 Parte)
• Lección 68: Selección del modelo (2 Parte)
• Lección 69: Uso de algoritmo y Scikit-learn
• Lección 70: Caso práctico con Machine Learning
• Lección 71: Preparación de los datos y análisis exploratorio
• Lección 72: Preparación de los datos y análisis estadístico
• Lección 73: Visualización individual de los datos
• Lección 74: Visualización conjunta de los datos
• Lección 75: Visualización conjunta de los datos (Parte 2)
• Lección 76: Visualización conjunta de los datos (Parte 3)
• Lección 77: Entrenamiento y preparación de los datos
• Lección 78: Entrenamiento y elección del modelo
• Lección 79: Entrenamiento y revisión del modelo
• Lección 80: Revisión del modelo y conclusiones finales
• Ejercicios del Tema 7
• Examen 2º