What You Need to Know Before
You Start
Starts 6 June 2025 16:13
Ends 6 June 2025

Classification - Fundamentals & Practical Applications
2019 Cursos
Not Specified
Optional upgrade avallable
All Levels
Progress at your own speed
Free
Optional upgrade avallable
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
Asignaturas