¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti.
Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo.
En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de esta complicada y lucrativa subrama del Data Science. Una vez completes nuestro curso de la A a la Z estarás preparado para continuar con cursos más avanzados como los de Curso Completo de Machine Learning: Data Science Con RStudio o Curso Completo de Machine Learning: Data Science en Python.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
A quién va dirigido
¡Descubre nuestro curso de Aprendizaje Automático de la A a la Z que te enseñará algoritmos como regresión, clasificación y clustering. Ideal para todos quienes sean: Aspirantes a científicos de datos que están buscando comenzar una carrera en Machine Learning y necesitan lo básicoProgramadores experimentados que quieran plantillas que puedan utilizar para sus propios proyectos de análisis de datos y aprender rápidamente nuevos algoritmos para llevar así sus habilidades de programación al siguiente nivelAnalistas de negocio que buscan una comprensión más profunda de las técnicas de aprendizaje automático y saber implementar y utilizar varios algoritmos en Python y REntusiastas de la ciencia de datos que quieran introducirse en el mundo del data science sin ninguna experiencia previa, aplicando docenas de algoritmos a sus propios datos
Requisitos
Este es un curso de nivel medio, por tanto te recomendamos: Haber completado los cursos de Estadística Descriptiva y Python de la A a la Z para tener las bases de programación tanto de R como de PythonTener un nivel de matemáticas preuniversitariasTener un ordenador con conexión a internet y con cualquier sistema operativo instalado y saber utilizarlo a nivel básico de usuario
Temario completo de este curso
Bienvenidos al curso de Machine Learning(58:41)
Bienvenidos al curso más completo para arrancar en Machine Learning
Aplicaciones del Machine Learning
Diferencias entre ML, DL e IA
¿Por qué el Machine Learning es el futuro?
Cómo sacarle el máximo partido al curso
Conoce a los creadores originales del curso
La comunidad de Discord para Aprender con Amigos
NOTA: Actualización a Python 3.11.4: Tu Curso en la Última Versión - Agosto 2023
Toma notas de tu curso en tiempo real en Frogames Formación
Materiales y Updates del Curso(57:57)
Descargar e Instalar Python y Anaconda (2023)
Instalar el entorno de Python con las librerías del curso
Navegar y personalizar nuestro editor Spyder
Algunos cambios en las nuevas versiones de Spyder
Versión 2023: Cómo acceder a los materiales y usar Google Colab
Cómo instalar R y RStudio (Mac, Windows y Linux)
Cómo acceder a los materiales del curso en Github
Bonus adicionales: PDFs sobre Machine Learning
Este libro puede ser de gran utilidad (basado en dudas de estudiantes sobre el curso)
-------------------- Parte 1: Pre Procesado de Datos --------------------(2:08:27)
Bienvenido a la Parte 1 - Pre Procesado de Datos
Obtén el conjunto de datos
Cómo importar librerías
Cómo importar data sets
Resumen de Python: programación orientada a objetos - clases y objetos
Importante: Cambios en la versión 3.7 de Python y siguientes
Datos faltantes o desconocidos
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 procesado de datos
-------------------- Parte 2: Regresión --------------------(00:00)
Bienvenido a la Parte 2: Regresión
Regresión Lineal Simple(1:46:47)
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
Insights del Negocio(07:47)
Avance 1 Roadmap
Conociendo los Insights requeridos por el negocio
SAP Business One Database(19:21)
Avance 2 del Roadmap
Acerca del ERP SAP Business One
Databases (examples) de SAP Business One
Ayuda de la SAP Community para el desarrollo de queries SQL
Queries SQL Server de tablasde SAP Business One(45:05)
Avance 3 del Roadmap
Tips & Tricks de SQL para el Analista de Datos
Preparación SQL de tabla de datos de Ventas
Preparación SQL de tabla de datos de Compras
Preparación SQL de tabla de datos de Clientes
Preparación SQL de tabla nombre de la empresa
Conexión de datos en Power Query(30:14)
Avance 4 del Roadmap
Conexión SQL - Power Query Tabla Ventas
Conexión SQL - Power Query Tabla Compras
Conexión SQL - Power Query Tabla Clientes y Empresa
Limpieza y transformación Inicial de datos
Modelo Relacional en Power BI
Diseño base del informe en Power BI(40:38)
Avance 5 del Roadmap
Tips and tricks: Storytelling vs Dashboards
Diseño y configuración del Lienzo
Título dinámico del informe
Primer párrafo del Informe
Insights del área de Compras(2:07:01)
Avance 5 del Roadmap
¿Cuánto se ha comprado?
¿Cuál es la curva de crecimiento de las Compras del Negocio?
¿Cuál es el producto más comprado?
¿Qué se ha comprado?
¿Cuánto se ha comprado?
¿A quién se le ha comprado?
¿Desde dónde se trae lo comprado?
¿Se ha recibido todo lo comprado?
¿Se recibió en el tiempo acordado?
¿Cuál es el leadtime que se ha dado a las compras?
¿Cuál es el tiempo promedio de recepción de lo comprado?
¿Cuál es porcentaje de órdenes de compra válidas?
¿Cuál es el porcentaje de órdenes de compra cerradas?
¿Ha habido variación en los precios unitarios de los productos?
Párrafo de cierre contexto Compras
Insights del área de Ventas(1:47:10)
¿Cuánto se ha vendido?
¿Cuál es la curva de crecimiento de las ventas?
¿Cuántas transacciones se han hecho?
¿Cuál es la curva de crecimiento de transacciones?
¿Cuántas transacciones se registraron por canal?
¿Cuáles son las categorías líderes?
¿Cuál es el producto más vendido?
¿Qué se ha vendido?
¿Cuánto se ha vendido?
¿Quién ha vendido?
¿Cuál es el proveedor de esos productos?
¿A cuántos clientes se les ha vendido?
¿En dónde están los clientes?
¿Cuánto compran en promedio?
¿Cuál es la variedad de productos que se ha tenido y ventas válidas?
Insights sobre la Cartera de Clientes(47:28)
¿Cuántos clientes se encuentran registrados?
¿Cuál es la curva de crecimiento del registro de clientes?
¿En dónde se ubican los clientes registrados?
¿Cuántos clientes están registrados por los tipos de entrega que se tienen?
¿Cómo es la relación transacciones y monto promedio de compra de los clientes?
189 €
Gratis
299 €
Gratis
290 €