Inseguro de dónde
empezar?

Track

Certificado

Dominio del Aprendizaje Automático

4.7+

★★★★★

9 reseñas

Intermediate

Esta ruta introduce conceptos y métodos fundamentales de aprendizaje automático. Cubre el uso de scikit-learn para el desarrollo de modelos, regresión lineal para análisis predictivo y métodos de clasificación para la categorización de datos. 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

Understand the core principles of supervised learning and apply them using scikit-learn
Develop a strong mathematical foundation for data science, including linear algebra, probability, and optimization
Learn to implement and evaluate linear regression models for predictive analysis
Explore classification techniques and build models to distinguish between different categories of data
Master ensemble learning methods to improve model performance and robustness
Learn the core principles of neural networks, how to build basic deep learning models and evaluate them

171 chapters
23 hours
186 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.

Un pipeline es una forma ordenada de combinar todos los pasos de preprocesamiento junto con un modelo. Los pipelines facilitan considerablemente el entrenamiento y uso de un modelo.

Module 2 / Regresión Lineal con Python

Comencemos con el modelo de Regresión Lineal más sencillo. 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 cómo construir un modelo más complejo para la predicción. Para esto se utiliza la regresión polinómica.

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

Module 3 / Classification with Python

Module 4 / 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 a través del problema del bandido de varios brazos. Implementación de la estimación del 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.

Domina la programación dinámica para RL basado en modelos. Descubre cómo las ecuaciones de Bellman pueden utilizarse para evaluar y mejorar políticas. Implementa algoritmos de iteración de políticas y de valores. Explora la iteración generalizada de políticas como base teórica 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 modalidad on-policy y off-policy. 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 5 / Introduction to Neural Networks

First, we will discuss what a neural network is and how it works. And also consider the scope of its application.

Finally, we will give you some additional useful information on how to understand which model to use and what types of neural networks there are. To complete the course, you will be tested on your acquired knowledge.

Module 6 / 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.

Adquiera una comprensión sólida de las principales técnicas de preprocesamiento que garantizan una agrupación efectiva. Aprenda a manejar valores faltantes, codificar características categóricas, normalizar datos y seleccionar 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. Comprenda el funcionamiento del algoritmo, determine el número óptimo de clústeres y adquiera experiencia práctica implementando K-Means en conjuntos de datos sintéticos y reales.

Explora los conceptos esenciales del clustering jerárquico y aprende a agrupar datos en clústeres significativos utilizando dendrogramas. Desarrolla 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 con 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.

Adquirir una comprensión sólida de los Modelos de Mezcla Gaussiana y cómo utilizan la probabilidad para modelar formas de clúster complejas. Estudio de los principios de la distribución gaussiana, exploración del funcionamiento de los GMM y consolidación de conocimientos mediante su aplicación en datos simulados y reales.

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

Dominio del 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?