Inseguro de dónde
empezar?

Track

Certificado

Maestría en Aprendizaje Automático

4.7+

★★★★★

9 reseñas

Intermediate

Domina todo el espectro del aprendizaje automático con Python, combinando habilidades prácticas con sólidos fundamentos teóricos. Construye modelos rápidamente con scikit-learn y fortalece tu comprensión de probabilidad, álgebra lineal y optimización. Mostrar más

python

Boost your Tech Skills!

with up to 55% off

What you'll get with our subscription:

Access to 85+ top-rated courses
AI-driven Learning
Workspaces for practicing your skills
Personalized study tracks
Certificates of completion

Training 2 or more people?

Get your team access to Codefinity courses anytime, anywhere.

Try Codefinity Teams

What you will learn

Build your first machine learning models with scikit-learn
Strengthen your foundation with probability, linear algebra, and optimization
Implement and evaluate regression techniques for forecasting and analysis
Apply classification methods to organize and interpret complex data
Explore clustering to uncover hidden patterns in unlabeled datasets
Understand the fundamentals of reinforcement learning and its applications
Design and train neural networks to grasp the basics of deep learning

238 chapters
29 hours
259 tasks

Trusted by employees of leading companies

Learning track content

Module 1 / Introducción al ML con Scikit-learn

Aprenda los conceptos de Machine Learning y el flujo de trabajo de un proyecto de ML.

Una tubería es una forma ordenada de combinar todos los pasos de preprocesamiento junto con un modelo. Las tuberías facilitan considerablemente el entrenamiento y uso de un modelo.

Module 2 / Matemáticas para Ciencia de Datos

Domina los conceptos de conjuntos y series, desde operaciones básicas hasta aplicaciones prácticas. Adquiere experiencia práctica implementando operaciones con conjuntos y trabajando con series aritméticas y geométricas en Python.

Desarrolla un conocimiento sólido de vectores, matrices y transformaciones. Aprende métodos de descomposición y análisis de valores propios, reforzando los conceptos con desafíos de codificación en Python y aplicaciones prácticas en ciencia de datos.

Explora la teoría de la probabilidad y la estadística. Estudia la probabilidad condicional, el teorema de Bayes y las medidas estadísticas. Implementa conceptos clave en Python, simula distribuciones y refuerza tus habilidades mediante desafíos y cuestionarios.

Module 3 / Regresión Lineal con Python

Comencemos con el modelo más sencillo de Regresión Lineal. Aprenderá el concepto fundamental de la Regresión Lineal y cómo realizar predicciones en Python.

La mayoría de las tareas de predicción en el mundo real involucran más de una característica. Aprenderá cómo manejar la regresión lineal con múltiples características.

Una línea recta no siempre describe bien los datos. Aprendamos a construir un modelo más complejo para la predicción. Para esto se utiliza la regresión polinómica.

Ahora que sabes cómo construir varios modelos de Regresión Lineal, necesitas una forma de elegir el mejor. Esto se puede lograr utilizando métricas. Esta sección explica las más utilizadas y las dificultades que puedes encontrar al emplearlas.

Module 4 / Clasificación con Python

Descubra cómo el algoritmo de los k vecinos más cercanos realiza predicciones basadas en la similitud. Aprenda a manejar múltiples características, ajustar parámetros y aplicar validación cruzada para mejorar la precisión.

Comprender cómo la regresión logística modela probabilidades y clasifica resultados. Practicar la implementación, la interpretación de fronteras de decisión y la aplicación de regularización para prevenir el sobreajuste.

Aprenda cómo los árboles de decisión dividen los datos en grupos significativos según los valores de las características. Explore cómo parámetros como la profundidad del árbol y el número mínimo de muestras por hoja afectan el rendimiento y la generalización del modelo.

Explora cómo los bosques aleatorios combinan múltiples árboles de decisión para mejorar la precisión y la robustez. Comprende el papel de la aleatoriedad y aplica este método de conjunto a datos del mundo real.

Evaluación de modelos utilizando métricas como exactitud, precisión, exhaustividad y puntuación F1. Interpretación de matrices de confusión y comparación de múltiples clasificadores para identificar el modelo de mejor desempeño.

Module 5 / Análisis de Conglomerados

Adéntrese en los fundamentos del clustering y descubra cómo se diferencia de la clasificación. Explore algoritmos, herramientas y bibliotecas esenciales que impulsan esta técnica de aprendizaje no supervisado para revelar patrones ocultos en los datos.

Obtenga una comprensión sólida de las principales técnicas de preprocesamiento que garantizan una agrupación efectiva. Incluye el manejo de valores faltantes, la codificación de características categóricas, la normalización de datos y la selección de medidas de distancia y métodos de enlace apropiados para mejorar la precisión del agrupamiento.

Domine las habilidades necesarias para aplicar el agrupamiento K-Means de manera efectiva. Aprenda cómo funciona el algoritmo, determine el número óptimo de grupos y adquiera experiencia práctica implementando K-Means en conjuntos de datos sintéticos y del mundo real.

Explore los conceptos esenciales del clustering jerárquico y aprenda a agrupar datos en clústeres significativos utilizando dendrogramas. Adquiera confianza en la identificación del número óptimo de clústeres y en la implementación de la técnica tanto en conjuntos de datos sintéticos como reales.

Descubra cómo DBSCAN destaca en la detección de agrupamientos de formas variadas y en el manejo de ruido en los datos. Conozca la mecánica detrás de este algoritmo basado en densidad, el proceso de asignación de puntos a agrupamientos y su aplicación tanto en conjuntos de datos sintéticos como reales con confianza.

Adquiera una comprensión sólida de los Modelos de Mezcla Gaussiana y cómo utilizan la probabilidad para modelar formas de clúster complejas. Explore los principios de la distribución gaussiana, analice el funcionamiento de los GMM y consolide conocimientos aplicándolos tanto a datos simulados como reales.

Module 6 / Bio-Inspired Algorithms

Understand the motivation, history, and core principles behind bio-inspired computation, including evolution, adaptation, and swarm intelligence.

Dive into the structure, operators, and parameter tuning of genetic algorithms.

Investigate algorithms inspired by collective behavior in nature, including ants, particles, and other swarms.

Explore the principles and algorithms inspired by the biological immune system, including negative selection and clonal selection.

Module 7 / Introducción al Aprendizaje por Refuerzo

Descubra cómo entrenar agentes para tomar decisiones óptimas mediante prueba y error. Explore los conceptos esenciales de la teoría de aprendizaje por refuerzo. Obtenga experiencia práctica configurando y ejecutando un entorno Gymnasium.

Domina el equilibrio entre exploración y explotación mediante el problema del bandido de varios brazos. Implementación de estimación de valor de acción, métodos ε-greedy, límite superior de confianza y bandido de gradiente. Evaluación del rendimiento de los algoritmos en tareas simuladas de maximización de recompensas.

Dominio de la programación dinámica para RL basado en modelos. Descubrimiento de cómo las ecuaciones de Bellman pueden utilizarse para evaluar y mejorar políticas. Implementación de algoritmos de iteración de políticas y de valores. Exploración de la iteración generalizada de políticas como fundamento teórico para métodos sin modelo.

Domina los métodos de Monte Carlo para RL sin modelo. Estimación de funciones de valor y derivación de políticas óptimas a partir de episodios completos. Implementación de algoritmos de control Monte Carlo en política y fuera de política. Descubrimiento de estrategias de exploración para optimizar el aprendizaje sin modelo.

Dominio del aprendizaje por diferencia temporal para RL sin modelo. Estimación de funciones de valor a partir de episodios parciales utilizando actualizaciones TD(0). Implementación de los algoritmos SARSA en política y Q-Learning fuera de política. Exploración de la combinación de métodos Monte Carlo y aprendizaje TD en TD de n pasos y TD(λ).

Module 8 / Introducción a las Redes Neuronales

Primero, discutiremos qué es una red neuronal y cómo funciona. También se considerará el alcance de su aplicación.

Finalmente, le proporcionaremos información adicional útil sobre cómo determinar qué modelo utilizar y qué tipos de redes neuronales existen. Para completar el curso, se evaluarán los conocimientos adquiridos.

Requirements

A computer with a browser - all browsers are supported.
Your enthusiasm to enhance your tech skills.
Everything else needed to start learning and practicing is already included in this course.

Over 200,000 5-star ratings and counting

Ruslan Kravchuk

Lo principal es aprender y no rendirse

El material es bueno, hay mucho que aprender, todo para ser mejor y lo principal es aprender lo que quieres....

Matteo Comune

Gracias a ellos estoy aprendiendo mucho…

Gracias a ellos estoy aprendiendo mucho más rápido porque te ayudan a entender todo desde cero. Es el mejor sitio web que ayuda a las personas sin conocimientos previos de IT...

Yuliana Cadavid

gran curso para principiantes

gran curso para principiantes, ponen a prueba tus conocimientos en cada lección...

Elpunzon

Estoy disfrutando de mi experiencia en Codefinity…

Estoy disfrutando de mi experiencia de aprendizaje de Python en Codefinity. La forma de aprendizaje autoinducido es genial porque puedo adaptarlo a mi horario...

Alexandru Alexandru

Es agradable aprender de codefinity

Es agradable aprender de codefinity. Es fácil y tiene buenos ejemplos de lo que aprendí aquí...

jacob Templet

Easy to follow along with and provides…

Fácil de seguir y proporciona desafío en mi vida cotidiana. El desafío me mantiene con ganas de aprender día tras día...

Elan

Codefinity es una herramienta de aprendizaje integral…

Codefinity es una herramienta de aprendizaje integral que te ayuda a desarrollar tus habilidades como ingeniero de software o científico de datos. Los ejercicios son divertidos y una buena...

Thibault

Primera vez aprendiendo a programar

Primera vez aprendiendo a programar y haciéndolo con éxito con Codefinity - Gracias...

Adrien Morel

Bien diseñado para principiantes totales

Bien diseñado para principiantes totales, el progreso incremental me da confianza....

_Gracy

simplemente está perfectamente bien explicado

¡Simplemente está perfectamente bien explicado! hasta ahora no he experimentado ninguna dificultad porque todo está tan bien organizado...

Ruslan Kravchuk

Lo principal es aprender y no rendirse

El material es bueno, hay mucho que aprender, todo para ser mejor y lo principal es aprender lo que quieres....

Matteo Comune

Gracias a ellos estoy aprendiendo mucho…

Gracias a ellos estoy aprendiendo mucho más rápido porque te ayudan a entender todo desde cero. Es el mejor sitio web que ayuda a las personas sin conocimientos previos de IT...

Yuliana Cadavid

gran curso para principiantes

gran curso para principiantes, ponen a prueba tus conocimientos en cada lección...

Elpunzon

Estoy disfrutando de mi experiencia en Codefinity…

Estoy disfrutando de mi experiencia de aprendizaje de Python en Codefinity. La forma de aprendizaje autoinducido es genial porque puedo adaptarlo a mi horario...

Alexandru Alexandru

Es agradable aprender de codefinity

Es agradable aprender de codefinity. Es fácil y tiene buenos ejemplos de lo que aprendí aquí...

jacob Templet

Easy to follow along with and provides…

Fácil de seguir y proporciona desafío en mi vida cotidiana. El desafío me mantiene con ganas de aprender día tras día...

Elan

Codefinity es una herramienta de aprendizaje integral…

Codefinity es una herramienta de aprendizaje integral que te ayuda a desarrollar tus habilidades como ingeniero de software o científico de datos. Los ejercicios son divertidos y una buena...

Thibault

Primera vez aprendiendo a programar

Primera vez aprendiendo a programar y haciéndolo con éxito con Codefinity - Gracias...

Adrien Morel

Bien diseñado para principiantes totales

Bien diseñado para principiantes totales, el progreso incremental me da confianza....

_Gracy

simplemente está perfectamente bien explicado

¡Simplemente está perfectamente bien explicado! hasta ahora no he experimentado ninguna dificultad porque todo está tan bien organizado...

Data Engineer

Certificado de Finalización

Muestra las habilidades que has adquirido recientemente. Te lo has ganado

Discover more
Learning tracks

	ProBest intro offer	UltimateA complete experience to kickstart your career
85+ Top-Rated courses
Completion certificates
AI-Assistant in all courses
20+ hands-on Real-world projects
Personalized study tracks
Unlimited workspaces

Maestría en Aprendizaje Automático

TEST TRACK 12

Desarrollo Web Full Stack

Conviértete en un Desarrollador de React

Análisis y Visualización de Datos con Python

SQL de Cero a Héroe

C++ para Principiantes

Python de Cero a Héroe

Python Más Allá del Intermedio

Esenciales de Java

Desarrollo de Juegos con Unity

Conviértete en un Desarrollador de Django

Manual de Flask para Principiantes

Fundamentos del Desarrollo Frontend

Web Developer from Zero to Hero

Preparation for Data Science

Odisea de Deep Learning

Desarrollo Web con C#

TEST E2E TRACK BEGINNER

ES Track

Skilled Python BackEnd Developer

Test Recalculate

Fundamentos de Excel

Full-Stack .NET Developer Journey

Full-Stack .NET Developer Journey

Test track with rating

TEST TEST TRACK

Fundamentos de Analista de Datos

Dominio de C++

Java Web

Conviértete en un Ingeniero de QA

Producción de Video con Adobe

Herramientas de Diseño UI/UX

Test image upload track

Essential Office Skills

GitHub from Zero to Hero

Desarrollo Web Sin Código

C Programming & Low-Level Development

testes

Test translation track

Test CMS Track

Python for Data Analysis

Digital Marketing Essentials

Complete Social Media Management

Business AI Toolkit

Ready to get started?