1. INTRODUCCI\u00d3N AL MACHINE LEARNING
\n 1.1 \u00bfQu\u00e9 es el Machine Learning y la Ciencia de Datos?
\n 1.2 Machine Learning, Inteligencia Artificial y Deep Learning
\n 1.3 Tipos de Machine Learning<\/p>\n
2. INTRODUCCI\u00d3N A PYTHON
\n 2.1 Instalaci\u00f3n Python + Jupyter
\n 2.2 Conceptos b\u00e1sicos de Python
\n 2.3 Introducci\u00f3n a las librer\u00edas: Numpy
\n 2.4 Introducci\u00f3n a las librer\u00edas: Pandas
\n 2.5 Introducci\u00f3n a las librer\u00edas: Matplotlib
\n 2.6 Librer\u00eda Machine Learning Scikit-Learn<\/p>\n
3. MACHINE LEARNING – CLASIFICACI\u00d3N
\n 3.1 \u00bfQu\u00e9 es y qu\u00e9 problemas resuelven un modelo de CLASIFICACI\u00d3N?
\n 3.2 Algoritmos Machine Learning para CLASIFICACI\u00d3N (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN)
\n 3.3 Explicaci\u00f3n paso a paso con Scikit-Learn – Caso Pr\u00e1ctico Clasificaci\u00f3n<\/p>\n
4. MACHINE LEARNING – REGRESI\u00d3N
\n 4.1 \u00bfQu\u00e9 es y qu\u00e9 problemas resuelven un modelo de REGRESI\u00d3N?
\n 4.2 Algoritmo Machine Learning Regresi\u00f3n Lineal
\n 4.3 Explicaci\u00f3n paso a paso con Scikit-Learn – Caso Pr\u00e1ctico REGRESI\u00d3N<\/p>\n
5. MACHINE LEARNING – CLUSTERING
\n 5.1 \u00bfQu\u00e9 es y qu\u00e9 problemas resuelven un modelo de CLUSTERING?
\n 5.2 Algoritmo Machine Learning K-Means
\n 5.3 Explicaci\u00f3n paso a paso con Scikit-Learn – Caso Pr\u00e1ctico CLUSTERING<\/p>\n
6. MACHINE LEARNING – REGLAS DE ASOCIACI\u00d3N
\n 6.1 \u00bfQu\u00e9 es y qu\u00e9 problemas resuelven un modelo de REGLAS DE ASOCIACI\u00d3N?
\n 6.2 Algoritmo Reglas de Asociaci\u00f3n – “Apriori”
\n 6.3 Explicaci\u00f3n paso a paso – Caso Pr\u00e1ctico Reglas de Asociaci\u00f3n<\/p>\n","protected":false},"excerpt":{"rendered":"
Dominar el Machine Learning y qu\u00e9 modelo y algoritmo utilizar para cada reto.
\n Conocer en qu\u00e9 consiste el Machine Learning y en qu\u00e9 se diferencia de la Inteligencia Artificial y Deep Learning.
\n Manejar Python para el an\u00e1lisis de datos con las principales librer\u00edas (numpy, pandas, scikit-learn…)
\n Conocer cu\u00e1les son los diferentes tipos de machine learning siendo capaz de resolver problemas de clasificaci\u00f3n, regresi\u00f3n, clustering y reglas de asociaci\u00f3n.
\n Conocer los algoritmos de machine learning en cada tipolog\u00eda, valorar cu\u00e1l es el m\u00e1s adecuado y optimizarlo.
\n Predecir el futuro gracias a los modelos de machine learning para conseguir la ventaja competitiva.
\n Dar un enorme valor a\u00f1adido tanto en su compa\u00f1\u00eda como negocio personal.
\n A\u00f1adir una habilidad de sumo inter\u00e9s para nuestra carrera profesional.<\/p>\n","protected":false},"featured_media":24101,"template":"","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":""},"product_brand":[],"product_cat":[48],"product_tag":[],"class_list":["post-24359","product","type-product","status-publish","has-post-thumbnail","product_cat-informatica-y-comunicaciones","first","instock","virtual","taxable","purchasable","product-type-simple"],"yoast_head":"\n