Jump to content
Nuevos Rangos en EyBooks Read more... ×
MARK

UDEMY Machine Learning de A a la Z: R y Python para Data Science

Recommended Posts

hace 16 horas, MARK dijo:
Machine Learning de A a la Z: R y Python para Data Science
 
Aprende a crear algoritmos de Machine Learning en Python y R con expertos en Data Science. Con código fuente incluido!
 
2241862_0a58.jpg
Requisitos
  • Con el nivel de matemáticas de secundaria y bachillerato es suficiente.
 
Descripción

¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti!!

Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo.

En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de este complicado y lucrativa sub rama del Data Science.

Este curso es divertido y ameno pero al mismo tiempo todo un reto pues tenemos mucho de Machine Learning por aprender. Lo hemos estructurado del siguiente modo:

  • Parte 1 - Preprocesamiento de datos

  • Parte 2 - Regresión: Regresión Lineal Simple, Regresión Lineal Múltiple, Regresión Polinomial, SVR, Regresión en Árboles de Decisión y Regresión con Bosques Aleatorios

  • Parte 3 - Clasificación: Regresión Logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación con Árboles de Decisión y Clasificación con Bosques Aleatorios

  • Parte 4 - Clustering: K-Means,  Clustering Jerárquico

  • Parte 5 - Aprendizaje por Reglas de Asociación: Apriori, Eclat

  • Parte 6 - Reinforcement Learning: Límite de Confianza Superior, Muestreo Thompson

  • Parte 7 - Procesamiento Natural del Lenguaje: Modelo de Bag-of-words  y algoritmos de NLP

  • Parte 8 - Deep Learning: Redes Neuronales Artificiales y Redes Neuronales Convolucionales

  • Parte 9 - Reducción de la dimensión: ACP, LDA, Kernel ACP

  • Parte 10 - Selección de Modelos & Boosting: k-fold Cross Validation, Ajuste de Parámetros, Grid Search, XGBoost

Además, el curso está relleno de ejercicios prácticos basados en ejemplos de la vida real, de modo que no solo aprenderás teoría, si no también pondrás en práctica tus propios modelos con ejemplos guiados.

Y como bonus, este curso incluye todo el código en Python y R para que lo descargues y uses en tus propios proyectos.

¿Para quién es este curso?
  • Cualquier estudiante que esté interesado en el Machine Learning.
  • Estudiantes con nivel de matemáticas de bachillerato que quieren iniciarse en Machine Learning.
  • Estudiantes de nivel intermedio con conocimientos básicos de Machine Learning, incluyendo algoritmos clásicos de regresión lineal o logística, pero que quieren aprender más y explorar los diferentes campos del Machine Learning.
  • Estudiantes que no se sienten cómodos programando pero se interesan por el Machine Learning y quieren aplicar las técnicas al análisis de data sets.
  • Universitarios que quieren iniciarse en el mundo del Data Science.
  • Cualquier analista de datos que quiera mejorar sus habilidades en Machine Learning.
  • Personas que no están satisfechas con su trabajo y quieren convertirse en Data Scientist.
  • Cualquier persona que quiera añadir valor a su empresa con el poder del Machine Learning.

https://www.udemy.com/machinelearning-es/

Capture.PNG

 

 

Hidden Content

  • Reply to this topic to see the hidden content.

 

Instructor

3311510_d290_11.jpg
Juan Gabriel Gomila Salas
Profesor universitario, Data Scientist & Game Designer

Después de muchos meses de trabajo tengo el placer de traerte al castellano el curso más vendido de Machine Learning de todo Udemy: Machine Learning A-Z™: Hands-On Python & R In Data Science, de Kirill Eremenko (CEO de Super Data Science) y Hadelin de Ponteves (ex-Google y experto en la materia de Machine Learning). Este curso tiene más de 400.000 estudiantes y más de 80.000 valoraciones en Udemy, y es el más vendido de Machine Learning en todo el mundo. Pues muchos meses de trabajo después, he dedicado muchas horas a darle mi toque personal, así como traducir todas las transparencias del curso, todos los algoritmos y todo al material al castellano para ti.

La verdad es que han sido muchísimas horas de trabajo, horas de skypes con Kirill y Hadelin para portar todo el material al castellano, con mi toque personal y mis ejemplos y ejercicios personalizados para el curso, todo el material en Github y como no, una comunidad de discord únicamente para este curso, tienes todo lo que necesitas para ser un experto del Data Science y el Machine Learning!!

buen curso

hace 16 horas, MARK dijo:
Machine Learning de A a la Z: R y Python para Data Science
 
Aprende a crear algoritmos de Machine Learning en Python y R con expertos en Data Science. Con código fuente incluido!
 
2241862_0a58.jpg
Requisitos
  • Con el nivel de matemáticas de secundaria y bachillerato es suficiente.
 
Descripción

¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti!!

Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo.

En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de este complicado y lucrativa sub rama del Data Science.

Este curso es divertido y ameno pero al mismo tiempo todo un reto pues tenemos mucho de Machine Learning por aprender. Lo hemos estructurado del siguiente modo:

  • Parte 1 - Preprocesamiento de datos

  • Parte 2 - Regresión: Regresión Lineal Simple, Regresión Lineal Múltiple, Regresión Polinomial, SVR, Regresión en Árboles de Decisión y Regresión con Bosques Aleatorios

  • Parte 3 - Clasificación: Regresión Logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación con Árboles de Decisión y Clasificación con Bosques Aleatorios

  • Parte 4 - Clustering: K-Means,  Clustering Jerárquico

  • Parte 5 - Aprendizaje por Reglas de Asociación: Apriori, Eclat

  • Parte 6 - Reinforcement Learning: Límite de Confianza Superior, Muestreo Thompson

  • Parte 7 - Procesamiento Natural del Lenguaje: Modelo de Bag-of-words  y algoritmos de NLP

  • Parte 8 - Deep Learning: Redes Neuronales Artificiales y Redes Neuronales Convolucionales

  • Parte 9 - Reducción de la dimensión: ACP, LDA, Kernel ACP

  • Parte 10 - Selección de Modelos & Boosting: k-fold Cross Validation, Ajuste de Parámetros, Grid Search, XGBoost

Además, el curso está relleno de ejercicios prácticos basados en ejemplos de la vida real, de modo que no solo aprenderás teoría, si no también pondrás en práctica tus propios modelos con ejemplos guiados.

Y como bonus, este curso incluye todo el código en Python y R para que lo descargues y uses en tus propios proyectos.

¿Para quién es este curso?
  • Cualquier estudiante que esté interesado en el Machine Learning.
  • Estudiantes con nivel de matemáticas de bachillerato que quieren iniciarse en Machine Learning.
  • Estudiantes de nivel intermedio con conocimientos básicos de Machine Learning, incluyendo algoritmos clásicos de regresión lineal o logística, pero que quieren aprender más y explorar los diferentes campos del Machine Learning.
  • Estudiantes que no se sienten cómodos programando pero se interesan por el Machine Learning y quieren aplicar las técnicas al análisis de data sets.
  • Universitarios que quieren iniciarse en el mundo del Data Science.
  • Cualquier analista de datos que quiera mejorar sus habilidades en Machine Learning.
  • Personas que no están satisfechas con su trabajo y quieren convertirse en Data Scientist.
  • Cualquier persona que quiera añadir valor a su empresa con el poder del Machine Learning.

https://www.udemy.com/machinelearning-es/

Capture.PNG

 

 

Instructor

3311510_d290_11.jpg
Juan Gabriel Gomila Salas
Profesor universitario, Data Scientist & Game Designer

Después de muchos meses de trabajo tengo el placer de traerte al castellano el curso más vendido de Machine Learning de todo Udemy: Machine Learning A-Z™: Hands-On Python & R In Data Science, de Kirill Eremenko (CEO de Super Data Science) y Hadelin de Ponteves (ex-Google y experto en la materia de Machine Learning). Este curso tiene más de 400.000 estudiantes y más de 80.000 valoraciones en Udemy, y es el más vendido de Machine Learning en todo el mundo. Pues muchos meses de trabajo después, he dedicado muchas horas a darle mi toque personal, así como traducir todas las transparencias del curso, todos los algoritmos y todo al material al castellano para ti.

La verdad es que han sido muchísimas horas de trabajo, horas de skypes con Kirill y Hadelin para portar todo el material al castellano, con mi toque personal y mis ejemplos y ejercicios personalizados para el curso, todo el material en Github y como no, una comunidad de discord únicamente para este curso, tienes todo lo que necesitas para ser un experto del Data Science y el Machine Learning!!

buen curso

Share this post


Link to post
Share on other sites
hace 18 horas, MARK dijo:
Machine Learning de A a la Z: R y Python para Data Science
 
Aprende a crear algoritmos de Machine Learning en Python y R con expertos en Data Science. Con código fuente incluido!
 
2241862_0a58.jpg
Requisitos
  • Con el nivel de matemáticas de secundaria y bachillerato es suficiente.
 
Descripción

¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti!!

Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo.

En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de este complicado y lucrativa sub rama del Data Science.

Este curso es divertido y ameno pero al mismo tiempo todo un reto pues tenemos mucho de Machine Learning por aprender. Lo hemos estructurado del siguiente modo:

  • Parte 1 - Preprocesamiento de datos

  • Parte 2 - Regresión: Regresión Lineal Simple, Regresión Lineal Múltiple, Regresión Polinomial, SVR, Regresión en Árboles de Decisión y Regresión con Bosques Aleatorios

  • Parte 3 - Clasificación: Regresión Logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación con Árboles de Decisión y Clasificación con Bosques Aleatorios

  • Parte 4 - Clustering: K-Means,  Clustering Jerárquico

  • Parte 5 - Aprendizaje por Reglas de Asociación: Apriori, Eclat

  • Parte 6 - Reinforcement Learning: Límite de Confianza Superior, Muestreo Thompson

  • Parte 7 - Procesamiento Natural del Lenguaje: Modelo de Bag-of-words  y algoritmos de NLP

  • Parte 8 - Deep Learning: Redes Neuronales Artificiales y Redes Neuronales Convolucionales

  • Parte 9 - Reducción de la dimensión: ACP, LDA, Kernel ACP

  • Parte 10 - Selección de Modelos & Boosting: k-fold Cross Validation, Ajuste de Parámetros, Grid Search, XGBoost

Además, el curso está relleno de ejercicios prácticos basados en ejemplos de la vida real, de modo que no solo aprenderás teoría, si no también pondrás en práctica tus propios modelos con ejemplos guiados.

Y como bonus, este curso incluye todo el código en Python y R para que lo descargues y uses en tus propios proyectos.

¿Para quién es este curso?
  • Cualquier estudiante que esté interesado en el Machine Learning.
  • Estudiantes con nivel de matemáticas de bachillerato que quieren iniciarse en Machine Learning.
  • Estudiantes de nivel intermedio con conocimientos básicos de Machine Learning, incluyendo algoritmos clásicos de regresión lineal o logística, pero que quieren aprender más y explorar los diferentes campos del Machine Learning.
  • Estudiantes que no se sienten cómodos programando pero se interesan por el Machine Learning y quieren aplicar las técnicas al análisis de data sets.
  • Universitarios que quieren iniciarse en el mundo del Data Science.
  • Cualquier analista de datos que quiera mejorar sus habilidades en Machine Learning.
  • Personas que no están satisfechas con su trabajo y quieren convertirse en Data Scientist.
  • Cualquier persona que quiera añadir valor a su empresa con el poder del Machine Learning.

https://www.udemy.com/machinelearning-es/

Capture.PNG

 

 

Hidden Content

  • Reply to this topic to see the hidden content.

 

Instructor

3311510_d290_11.jpg
Juan Gabriel Gomila Salas
Profesor universitario, Data Scientist & Game Designer

Después de muchos meses de trabajo tengo el placer de traerte al castellano el curso más vendido de Machine Learning de todo Udemy: Machine Learning A-Z™: Hands-On Python & R In Data Science, de Kirill Eremenko (CEO de Super Data Science) y Hadelin de Ponteves (ex-Google y experto en la materia de Machine Learning). Este curso tiene más de 400.000 estudiantes y más de 80.000 valoraciones en Udemy, y es el más vendido de Machine Learning en todo el mundo. Pues muchos meses de trabajo después, he dedicado muchas horas a darle mi toque personal, así como traducir todas las transparencias del curso, todos los algoritmos y todo al material al castellano para ti.

La verdad es que han sido muchísimas horas de trabajo, horas de skypes con Kirill y Hadelin para portar todo el material al castellano, con mi toque personal y mis ejemplos y ejercicios personalizados para el curso, todo el material en Github y como no, una comunidad de discord únicamente para este curso, tienes todo lo que necesitas para ser un experto del Data Science y el Machine Learning!!

Muchas gracias bro!

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now

Contenido en EyBooks

EyBooks no almacena ni reproduce contenido protegido por derechos de autor.

Siguenos

×