Dominio del Aprendizaje Automático
Intermediate
4.5
6 reviews
24 Learners
Updated 11/2025
Domina todo el espectro del aprendizaje automático con Python, combinando habilidades prácticas con sólidas bases teóricas. Construye modelos rápidame…
188
Chapters
21
Learning hours
182
Assignments
AI Assistant
Shareable Certificate
Resultados
Resultados
Track content
Related courses and projects
Testimonios
Características
Precios
Resultados
Resultados
Track content
Related courses and projects
Testimonios
Características
Precios
Lo que aprenderás
Building machine learning models with scikit-learn
Implementing regression techniques for forecasting
Understanding reinforcement learning basics
Preprocessing data using Scikit-learn tools
Applying classification methods to complex data
Designing and training neural networks
Creating pipelines for efficient data processing
Exploring clustering for pattern recognition
Evaluating models with classification metrics
Learning track content
Aprenda los conceptos de Machine Learning y el flujo de trabajo de un proyecto de ML.
El preprocesamiento es probablemente la etapa más importante de un proyecto de ML. Este capítulo abarca los pasos de preprocesamiento necesarios para casi cualquier conjunto de datos.
Conceptos de Scikit-learn
Familiarización con el Conjunto de Datos
Tratamiento de Valores Faltantes
Desafío: Imputación de Valores Faltantes
Codificador Ordinal
Codificador One-Hot
Labelencoder
Desafío: Codificación de Variables Categóricas
¿Por Qué Escalar los Datos?
StandardScaler, MinMaxScaler, MaxAbsScaler
Desafío: Escalado de las Características
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.
El modelado es la etapa más divertida de un proyecto de ML. Aprendamos a construir, ajustar y evaluar el modelo.
Explora los fundamentos de las funciones matemáticas. Estudia los diferentes tipos de funciones algebraicas y trascendentales, sus propiedades y cómo implementarlas en Python para resolver problemas del mundo real.
Introducción a las Funciones
Fundamentos de Jupyter Notebook
Implementación de Funciones Básicas en Python
Funciones Algebraicas
Implementación de Funciones Identidad-Cuadráticas en Python
Implementación de Funciones Racionales en Python
Desafío: Maximización de Beneficios Utilizando Funciones Cuadráticas
Funciones Trascendentales
Implementación de Funciones Exponenciales-Logarítmicas en Python
Implementación de Funciones Senoides-Tangentes en Python
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.
Desarrollar una comprensión sólida de límites, derivadas, integrales y derivadas parciales. Conectar la teoría con la práctica implementando estos conceptos en Python y aplicándolos a la optimización mediante descenso por gradiente.
Introducción a los Límites
Implementación de Límites en Python
Introducciones a las Derivadas
Implementación de Derivadas en Python
Introducción a las Integrales
Implementación de Integrales en Python
Introducción a las Derivadas Parciales
Implementación de Derivadas Parciales en Python
Descenso por Gradiente
Implementación del Descenso de Gradiente en Python
Desafío: Ajuste de una Recta con Descenso por Gradiente
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.
Introducciones a los Vectores
Implementación de Vectores en Python
Operaciones con Matrices
Operaciones Matriciales en Python
Introducción a las Transformaciones Matriciales
Implementación de la Transformación de Matrices en Python
Desafío: Transformaciones Combinadas de un Vector
Introducción a la Descomposición de Matrices
Implementación de la Descomposición Matricial en Python
Desafío: Resolución de un Sistema Lineal con Descomposición LU
Introducción a los Eigenvectores y Eigenvalores
Implementación de Autovectores y Autovalores en Python
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.
Comprensión de los Fundamentos de la Probabilidad
Implementación de Conceptos Básicos de Probabilidad en Python
Comprensión de la Probabilidad Condicional y el Teorema de Bayes
Implementación de la Probabilidad Condicional y el Teorema de Bayes en Python
Comprensión del Muestreo
Implementación de Muestreo en Python
Comprensión de la Tendencia Central y la Dispersión
Implementación de la Dispersión en Python
Desafío: Análisis de Probabilidad en Control de Calidad
Comprensión de las Distribuciones de Probabilidad
Implementación de Distribuciones de Probabilidad en Python
Desafío: Muestreo para Control de Calidad
Domina los pasos fundamentales para limpiar y preparar datos en bruto para análisis y aprendizaje automático.
Transformación de datos sin procesar en características utilizables para modelos de aprendizaje automático.
Ingeniería y selección de características para mejorar el rendimiento y la interpretabilidad del modelo.
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.
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.
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.
¿Qué es la Agrupación K-Means?
¿Cómo Funciona el Algoritmo K-Means?
Determinación del Número Óptimo de Clústeres Utilizando WSS
Determinación del Número Óptimo de Clústeres Utilizando la Puntuación de Silueta
Implementación en un Conjunto de Datos Ficticio
Implementación en un Conjunto de Datos Real
Desafío: Implementación de K-Means Clustering
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.
Explore the fundamental metrics used to evaluate classification models, including their definitions, formulas, Python implementations, and interpretation. Includes advanced metrics and model validation techniques relevant to classification.
Delve into the core metrics for evaluating regression models, including their mathematical foundations, Python implementations, and result interpretation. Includes advanced validation techniques relevant to regression.
Examine the key metrics for evaluating unsupervised learning models, including clustering, dimensionality reduction, and anomaly detection. Learn their mathematical foundations, Python implementations, and interpretation.
¡Impulsa tus habilidades tecnológicas!
con hasta un 55% de descuento
Features:
*Tracks not included in Pro plan
500+ cursos mejor calificadosCopiloto de IA de vanguardia
Rutas de estudio personalizadas40+ proyectos prácticos del mundo real
Sin cancelación, antes de que finalice el plan seleccionado con descuento, acepto que Codefinity cobrará automáticamente $104 cada 3 meses hasta que cancele. Obtén más información sobre la política de cancelación y reembolso en Términos de Suscripción.
Recommended Courses and Projects
curso
Course without tasks for flow test
Course for E2E testing
1 hora
4 capítulosPrincipiante
474 ESTUDIANDO AHORA
curso
TEST COURSE WITH ALL TYPES OF COLUMN CHAPTERS
test python course with 6 sections
1 hora 14 capítulosPrincipiante
863 ESTUDIANDO AHORA
curso
Testing Video Player
1 hora 1 capítuloPrincipiante
curso
Test mobile outline course
Super course
1 hora 6 capítulosIntermedio
790 ESTUDIANDO AHORA
proyecto
Realización de Pruebas A/B
En el mundo empresarial, tomar decisiones basadas en datos concretos en lugar de la intuición puede ser la clave del éxito. Este curso se centra en una técnica crucial: el análisis de datos de pruebas A/B. El eje central del curso es un proyecto en el que realizarás un análisis detallado de una prueba A/B. Este proyecto, que puedes incluir en tu CV, está alojado en Codefinity, lo que te permite perfeccionarlo continuamente y demostrar tu creciente experiencia.
Solo para Ultimate
1 hora 1 capítuloIntermedio
808 ESTUDIANDO AHORA
curso
TEST FREE COURSE
description
1 hora 3 capítulosPrincipiante
1009 ESTUDIANDO AHORA
curso
TEST SHORT VIDEO COURSE
1 hora 2 capítulosPrincipiante
1401 ESTUDIANDO AHORA
curso
TEST COMPARE MODE
description
1 hora 2 capítulosAvanzado
curso
Test e2e new task ui
Some
1 hora 2 capítulosPrincipiante
536 ESTUDIANDO AHORA
curso
SAVE CODE SNIPPET TEST
description
1 hora 4 capítulosAvanzado
curso
TEST COLUMN AI ASSISTANT PYTHON
description
1 hora 1 capítuloAvanzado
543 ESTUDIANDO AHORA
proyecto
Explorando Perspectivas del Alquiler de Bicicletas Urbanas
Este curso te guía en el análisis y la visualización de cómo los factores climáticos y estacionales influyen en la demanda diaria de alquiler de bicicletas utilizando datos del mundo real.
1 hora 0 capítuloPrincipiante
425 ESTUDIANDO AHORA
TRANSPORTATION & MOBILITY
Discover more Learning Tracks
pista
TEST TRACK 12
1 Curso
1 Proyecto
0 TaskPrincipiante
4.0
(17965)
pista
Desarrollo Web Full Stack
7 Cursos424 TareasPrincipiante
4.5
(53)
pista
Conviértete en un Desarrollador de React
4 Cursos98 TareasIntermedio
4.8
(8)
pista
Análisis y Visualización de Datos con Python
5 Cursos146 TareasIntermedio
4.4
(9)
pista
SQL de Cero a Héroe
7 Cursos249 TareasPrincipiante
4.6
(113)
pista
C++ para Principiantes
6 Cursos124 TareasPrincipiante
3.9
(31)
pista
Python de Cero a Héroe
6 Cursos215 TareasPrincipiante
4.6
(337)
pista
Python Más Allá del Intermedio
2 Cursos1 Proyecto62 TareasPrincipiante
5.0
(2)
pista
Esenciales de Java
11 Cursos459 TareasPrincipiante
4.5
(16)
pista
Desarrollo de Juegos con Unity
4 Cursos164 TareasPrincipiante
4.4
(8)
pista
Conviértete en un Desarrollador de Django
5 Cursos178 TareasAvanzado
4.5
(33)
Por qué la gente elige Codefinity
Web Developer
Kwizera Mugisha
The teaching methodology at Codefinity is excellent, and I particularly appreciate how it has prepared me to handle real-world coding problems. Currently, I am delving into Node.js and eagerly anticipate building full-stack projects that integrate all the knowledge I have gained.
Senior Business Analyst
Sherry Barnes-Fox
My first course was 4 hours, I did it in a few days, "nugget-style". The instructions are very clear and easy to understand. There is even a hint to help you get the answer. I love the learning style that is used, it engages me.
Accounts Payable Specialist
Bill Wagner
I have really liked the browser-based lessons that allow me to code within the lesson. The RUN button allows me to test the code I write before submitting for a grade.
IT Support Specialist
Daniel Chinea
I have gained a lot of practical and logical thinking skills, along with patience for myself and confidence in myself that I can learn programming. Years ago, I would have never thought that I could learn programming in any way, shape or form, and I was able to obtain these certifications and skills with Codefinity.
Technology Project Manager
Steve Bruening
The learning was progressive and made it easy to follow along and make progress. I could feel my skills increasing and building on each other as the course went along.
Project Manager
Stephanie Chan
As I went through the first course of the Python track, I liked the way the course was lay out (in easy and digestible modules) with little exercises at the end of each concept.
Step-by-Step to Stellar Results
Entorno de codificación interactivo
Sumérgete en nuestro entorno interactivo: escribe y ejecuta tu código con retroalimentación en tiempo real y métricas de éxito—aprende haciendo en cada paso.
Soporte potenciado por IA
Aprovecha el asistente de IA integrado para explicar errores, sugerir soluciones o responder cualquier pregunta sobre tu código—para que te mantengas productivo y nunca te quedes atascado.
Check your progress
Concluye cada módulo con un cuestionario rápido que ofrece retroalimentación instantánea, rastrea tu progreso y asegura que hayas dominado los conceptos clave.
Promote your expertise
Obtén tu certificado reconocido por la industria al completar y compártelo en LinkedIn con un clic—deja que tu red vea lo que puedes hacer.
Confiado por empleados de empresas líderes
y estudiantes de universidades de élite
Acceso completo al catálogo
Una suscripción abre este curso y todo nuestro catálogo de proyectos y habilidades.Features:
500+ cursos mejor calificadosCopiloto de IA de vanguardia
Rutas de estudio personalizadas40+ proyectos prácticos del mundo real
Sin cancelación, antes de que finalice el plan seleccionado con descuento, acepto que Codefinity cobrará automáticamente $104 cada 3 meses hasta que cancele. Obtén más información sobre la política de cancelación y reembolso en Términos de Suscripción.
Prueba Codefinity con confianza – garantía de devolución de dinero de 30 días incluida
Para darte la bienvenida a Codefinity, estamos ofreciendo hasta 64% de descuento en nuestros cursos. Además, tenemos una garantía de devolución de dinero de 30 días, para que puedas probarnos sin riesgo.Esperamos sinceramente darte la bienvenida a nuestra plataforma y estamos comprometidos a hacer que tu experiencia de aprendizaje sea fácil, interactiva y divertida.
Ready to get started?
Pro
Best intro offer
Ultimate
A complete experience
to kickstart your career
to kickstart your career
500+ Top-Rated courses
Completion certificates
Early access to new courses
40+ hands-on Real-world projects
Personalized study tracks
Unlimited workspaces
Accede instantáneamente a 500+ cursos
Aprendizaje ilimitado, acceso instantáneoObtén acceso completo a todos los cursos y rutas, incluyendo contenido en video, cuestionarios y materiales detallados—comienza a aprender en cualquier momento.
Certificados reconocidos por la industriaObtén certificados que validen tu experiencia y potencien tu carrera en tecnología, IA, datos, marketing y más allá.
Aprendizaje asistido por IAObtén pistas personalizadas, retroalimentación en tiempo real y explicaciones potenciadas por IA para acelerar tu progreso.
En constante expansión: Nuevos cursos y rutas profesionalesMantente a la vanguardia con cursos constantemente actualizados, hojas de ruta profesionales, desafíos y pruebas prácticas.
Desarrolla habilidades que importanDomina habilidades demandadas con cursos en IA, ciencia de datos, programación, marketing, automatización, desarrollo web y más.
Aprendizaje interactivo y fluidoParticipa en proyectos prácticos, ejercicios del mundo real y una experiencia de aprendizaje intuitiva — no se necesitan herramientas adicionales.
