Machine Learning Foundations: A Case Study Approach
Coursera
9 Cursos
The University of Washington is a highly-ranked public institution in Seattle, providing a world-class education to students from a variety of backgrounds. It has a diverse faculty, extensive research opportunities, and an innovative curriculum, crafting an unmatched learning experience.
![course image](https://aiprojects.nyc3.cdn.digitaloceanspaces.com/aieducation/1714043186_1714043065_1714042945_1714042822_1714042701_1714042581_1714042462_1714042342_1714042221_1714042099_1714041926_1714041837_dcf8cb6b99ef.jpg)
Resumen
Embarque en un viaje al mundo del aprendizaje automático con "Fundamentos del Aprendizaje Automático: Un Enfoque Práctico" ofrecido por la Universidad de Washington a través de Coursera. Este curso introductorio está diseñado para brindarle una experiencia práctica en aprendizaje automático a través de estudios de caso prácticos. Sumérjase en la predicción de precios de casas, el análisis de opiniones de usuarios, la recomendación de productos y más, utilizando métodos de aprendizaje automático aplicables en diversos dominios.
Amigable para principiantes, el curso comienza tratando los métodos de aprendizaje automático como una caja negra, centrando su atención en comprender varias tareas y emparejándolas con las herramientas de aprendizaje automático adecuadas. Su objetivo es construir una base en la identificación de aplicaciones del aprendizaje automático, distinguiendo entre regresión, clasificación y agrupación, y aplicando estos métodos en escenarios del mundo real. Aprenderá a enmarcar sus problemas para el aprendizaje automático, elegir los modelos correctos y evaluar su efectividad.
A lo largo de este curso, espere obtener competencia en:
- Identificar aplicaciones prácticas del aprendizaje automático.
- Describir análisis habilitados por diferentes enfoques de aprendizaje automático.
- Seleccionar tareas de aprendizaje automático adecuadas para aplicaciones particulares.
- Aplicar técnicas clave como la regresión, clasificación, agrupación y aprendizaje profundo.
- Ingeniería de características para mejorar la entrada del modelo.
- Evaluar modelos con métricas relevantes.
- Usar conjuntos de datos para entrenar modelos para el análisis de nuevos datos.
- Desarrollar aplicaciones de principio a fin aprovechando el aprendizaje automático.
- Implementar estas técnicas usando Python.
El curso se clasifica bajo Cursos de Inteligencia Artificial, Cursos de Python, Cursos de Aprendizaje Automático, y Cursos de Introducción al Aprendizaje Automático. Este enfoque estructurado no solo lo guía a través de los conceptos básicos sino que también lo prepara para conceptos avanzados en cursos subsiguientes, ayudándole a construir aplicaciones inteligentes con una sólida base en aprendizaje automático.