Resumen
En este curso completo, explorará la inteligencia artificial (IA) y sus conceptos centrales, formando una base sólida para el aprendizaje automático. Se adentrará en el análisis de regresión, aplicando técnicas de regresión univariable, polinómica y multivariable a problemas del mundo real a través de laboratorios interactivos. Luego, aprenderá la preparación y evaluación de modelos, centrándose en el subajuste, sobreajuste, división de datos y métodos de remuestreo, junto con técnicas de regularización para mejorar el rendimiento del modelo. El curso cubre métodos de clasificación, incluyendo matrices de confusión, curvas ROC, árboles de decisión, bosques aleatorios, regresión logística y máquinas de vectores de soporte, todos acompañados de laboratorios prácticos. También explorará modelos de conjunto y reglas de asociación, como el algoritmo Apriori, para descubrir patrones ocultos en los datos. Diseñado para científicos de datos, entusiastas del aprendizaje automático y profesionales técnicos, este curso requiere una comprensión básica de los conceptos de aprendizaje automático y programación en Python.
Los resultados de aprendizaje incluyen:
- Entender los fundamentos de la IA y el aprendizaje automático
- Aplicar análisis de regresión
- Construir y evaluar modelos
- Implementar técnicas de clasificación
- Realizar agrupamiento y reducción de dimensionalidad
- Descubrir patrones con reglas de asociación
- Aplicar principios de aprendizaje por refuerzo
Universidad:
Proveedor: Coursera
Categorías: Cursos de Inteligencia Artificial, Cursos de Aprendizaje Automático, Cursos de Análisis de Regresión, Cursos de Evaluación de Modelos, Cursos de Clasificación, Cursos de Regresión Logística, Cursos de Árboles de Decisión
Programa de estudio
Enseñado por
Etiquetas
