Resumen
Los problemas de clasificación son un desafío frecuente en la ciencia de datos. Este curso te capacita para entender y aplicar algoritmos clave para predecir y mejorar la toma de decisiones empresariales. Es adecuado para aquellos que desean convertirse en científicos de datos o que se enfocan en el análisis y la inteligencia empresarial, ofreciendo una inmersión profunda en problemas de clasificación, soluciones e interpretaciones críticas.
Aprende desde técnicas fundamentales como la Regresión Logística, los modelos KNN y SVM, y adquiere habilidades para implementar estas técnicas usando Excel y Python. Descubre cómo crear bucles para la ejecución paralela de modelos, y adéntrate en la evaluación de modelos con un capítulo dedicado a interpretar salidas usando métricas y la matriz de confusión, considerando las implicaciones empresariales de los falsos negativos y positivos.
Explora técnicas avanzadas incluyendo la importancia de características, valores SHAP y gráficas PDP. Al completar el curso, podrás:
- Diferenciar entre técnicas clásicas de clasificación, sus supuestos y aplicaciones prácticas.
- Ejecutar regresión logística en Excel y RegressIt.
- Construir modelos básicos de clasificación en Python usando statsmodels y sklearn.
- Evaluar e interpretar el rendimiento de los modelos de clasificación.
Diseñado para entusiastas de los datos, este curso te introduce a términos clave, habilitándote para participar en discusiones de ciencia de datos, realizar análisis y comprender sus beneficios empresariales.
Universidad: Coursera
Categorías: Cursos de Python, Cursos de Aprendizaje Automático, Cursos de Inteligencia Empresarial, Cursos de Ciencia de Datos, Cursos de Evaluación de Modelos, Cursos de Clasificación, Cursos de Regresión Logística, Cursos de K-Nearest Neighbors
Programa de estudio
Enseñado por
Etiquetas
