Descripción
1. INTRODUCCIÓN AL MACHINE LEARNING
1.1 ¿Qué es el Machine Learning y la Ciencia de Datos?
1.2 Machine Learning, Inteligencia Artificial y Deep Learning
1.3 Tipos de Machine Learning
2. INTRODUCCIÓN A PYTHON
2.1 Instalación Python + Jupyter
2.2 Conceptos básicos de Python
2.3 Introducción a las librerías: Numpy
2.4 Introducción a las librerías: Pandas
2.5 Introducción a las librerías: Matplotlib
2.6 Librería Machine Learning Scikit-Learn
3. MACHINE LEARNING – CLASIFICACIÓN
3.1 ¿Qué es y qué problemas resuelven un modelo de CLASIFICACIÓN?
3.2 Algoritmos Machine Learning para CLASIFICACIÓN (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN)
3.3 Explicación paso a paso con Scikit-Learn – Caso Práctico Clasificación
4. MACHINE LEARNING – REGRESIÓN
4.1 ¿Qué es y qué problemas resuelven un modelo de REGRESIÓN?
4.2 Algoritmo Machine Learning Regresión Lineal
4.3 Explicación paso a paso con Scikit-Learn – Caso Práctico REGRESIÓN
5. MACHINE LEARNING – CLUSTERING
5.1 ¿Qué es y qué problemas resuelven un modelo de CLUSTERING?
5.2 Algoritmo Machine Learning K-Means
5.3 Explicación paso a paso con Scikit-Learn – Caso Práctico CLUSTERING
6. MACHINE LEARNING – REGLAS DE ASOCIACIÓN
6.1 ¿Qué es y qué problemas resuelven un modelo de REGLAS DE ASOCIACIÓN?
6.2 Algoritmo Reglas de Asociación – “Apriori”
6.3 Explicación paso a paso – Caso Práctico Reglas de Asociación
