Aprendizaje automático con Python

Machine Learning es la capacidad de la computadora para aprender sin ser programada explícitamente. En términos sencillos, se puede describir como la automatización del proceso de aprendizaje de las computadoras en función de sus experiencias sin ayuda humana. El aprendizaje automático se usa activamente en nuestra vida diaria y quizás en más lugares de los que cabría esperar.

En este tutorial de aprendizaje automático con Python, aprenderemos el aprendizaje automático desde lo básico o desde cero para avanzar donde crearemos algunos proyectos usándolo.

Introducción

• Primeros pasos con el aprendizaje automático
• Una introducción al aprendizaje automático
• ¿Qué es el aprendizaje automático?
• Introducción a los datos en el aprendizaje automático
• AA – Aplicaciones
• Diferencia entre aprendizaje automático e inteligencia artificial
• Las mejores bibliotecas de Python para el aprendizaje automático

Procesamiento de datos

• Comprender el procesamiento de datos
• Generar conjuntos de datos de prueba
• Crear conjuntos de datos de prueba usando Sklearn
• Preprocesamiento de datos
• Limpieza de datos
• Codificación de etiquetas de conjuntos de datos
• Una codificación en caliente de conjuntos de datos
• Manejo de datos desequilibrados con SMOTE y Near Miss Algorithm en Python

Aprendizaje supervisado

• Tipos de aprendizaje: aprendizaje supervisado
• Primeros pasos con la clasificación
• Tipos de técnicas de regresión
• Clasificación vs Regresión

Regresión lineal

• Introducción a la regresión lineal
• Implementando la regresión lineal
• Regresión lineal univariante
• Regresión lineal múltiple
• Python | Regresión lineal usando sklearn
• Regresión lineal usando Tensorflow
• Regresión lineal usando PyTorch
• Pyspark | Regresión lineal usando Apache MLlib
• Boston Housing Kaggle Challenge con regresión lineal

Regresión polinomial

• Regresión polinomial (Desde cero usando Python)
• Regresión polinomial
• Regresión polinomial para datos no lineales
• Regresión polinomial usando Turicreate

Regresión logística

• Comprender la regresión logística
• Implementando la Regresión Logística
• Regresión logística usando Tensorflow
• Regresión Softmax usando TensorFlow
• Regresión Softmax usando Keras

bayesiana ingenua

• Clasificadores Naive Bayes
•  Implementación Naive Bayes Scratch usando Python
• Algoritmo de complemento Naive Bayes (CNB)
• Aplicación de Naive Bayes multinomial a problemas de PNL

Vector de soporte

• Algoritmo de máquina de vectores de soporte
• Máquinas de vectores de soporte (SVM) en Python
• Ajuste de hiperparámetros de SVM con GridSearchCV
• Creación de kernel lineal SVM en Python
• Principales funciones del núcleo en la máquina de vectores de soporte (SVM)
• Uso de SVM para realizar la clasificación en un conjunto de datos no lineal

Árbol de decisión

• Árbol de decisión
• Árbol de decisión de implementación
• Regresión del árbol de decisiones usando sklearn

Bosque aleatorio

• Regresión de bosque aleatorio en Python
• Clasificador de bosque aleatorio usando Scikit-learn
• Hiperparámetros del clasificador de bosque aleatorio
• Clasificador de votaciones usando Sklearn
• Clasificador de embolsado

K-vecino más cercano (KNN)

• K Vecinos más cercanos con Python | ML
• Implementación de K-vecinos más cercanos desde cero usando Python
• Algoritmo de vecino más cercano K en Python
• Implementación del clasificador KNN usando Sklearn
• Imputación utilizando KNNimputer()
• Implementación de KNN usando OpenCV

Aprendizaje sin supervisión

• Tipos de aprendizaje: aprendizaje no supervisado
• Agrupamiento en aprendizaje automático
• Diferentes tipos de algoritmo de agrupamiento
• K significa Agrupamiento – Introducción
• Método del codo para el valor óptimo de k en KMeans
• Algoritmo K-means++
• Análisis de datos de prueba utilizando K-Means Clustering en Python
• Algoritmo de agrupamiento de mini lotes K-means
• Agrupación de desplazamiento medio
• DBSCAN: agrupamiento basado en la densidad
• Implementando el algoritmo DBSCAN usando Sklearn
• Agrupación difusa
• Agrupación espectral
• ÓPTICA Agrupamiento
• OPTICS Clustering Implementación usando Sklearn
• Agrupación jerárquica (agrupación aglomerativa y divisiva)
• Implementación de Agglomerative Clustering usando Sklearn
• Modelo de mezcla gaussiana

Proyectos usando Machine Learning

• Predicción de precipitaciones mediante regresión lineal
• Identificación de dígitos escritos a mano usando regresión logística en PyTorch
• Diagnóstico de cáncer de mama de Kaggle en Wisconsin mediante regresión logística
• Implemente el reconocimiento facial usando k-NN con scikit-learn
• Detección de fraude con tarjetas de crédito
• Compresión de imágenes usando agrupamiento de K-means

Aplicaciones del aprendizaje automático

• ¿Cómo utiliza Google el aprendizaje automático?
• ¿Cómo utiliza la NASA el aprendizaje automático?
• 5 formas alucinantes en las que Facebook utiliza el aprendizaje automático
• Publicidad dirigida usando Machine Learning
• ¿Cómo utilizan el aprendizaje automático las empresas famosas?

Cursos GeeksforGeeks

Aprendizaje automático básico y avanzado: curso a su propio ritmo

Comprender la idea central de los sistemas de construcción ahora se ha vuelto más fácil. Con nuestro curso de aprendizaje automático básico y avanzado, a su propio ritmo , no solo aprenderá sobre los conceptos del aprendizaje automático, sino que también obtendrá experiencia práctica en la implementación de técnicas efectivas. Este curso de aprendizaje automático le proporcionará las habilidades necesarias para convertirse en un ingeniero de aprendizaje automático exitoso hoy. ¡Inscribirse ahora!