Material de Trabajo




Descripción: En esta sección hallarás los videos grabados de las clases, así como los apuntes generados en las mismas. Adicionalmente encontrarás material complementario para cada clase. El único requisito para llevar de manera satisfactoria el curso son conocimientos básicos de programación con Python: tipos de variables, cadenas de texto, bucles y condicionales, funciones definidas por el usuario y graficación básica con Matplotlib.

Índice
  1. Introducción a las librerías NumPy y Pandas
    2.
  2. Introducción al análisis de datos
    3.
  3. Introducción a la estadística
    4.
  4. Regresión lineal simple y regresión logística
    5.
  5. Regresión lineal múltiple y más sobre regresión logística
    6.
  6. Árboles de decisión, bosques aleatorios y Naive Bayes
    7.
  7. Máquinas de soporte vectorial (SVM) y regresión de soporte vectorial (SVR)
    8.
  8. Redes neuronales: Clasificación
    9.
  9. Redes neuronales: Valores continuos
    10.
  10. Proyectos
    11.


Los requisitos que se piden para llevar este curso son cubiertos en: Curso de introducción a Python



Introducción a las librerías NumPy y Pandas

Clase 1: | Video de clase | Notas de clase | Apunte de clase | Tarea |

Apuntes adicionales:

Introducción al análisis de datos

Clase 2: | Video de clase | Notas de clase | Apunte de clase | Tarea |

Apuntes adicionales:

Introducción a la estadística

Curso completo de probabilidad y estadística para Machine Learning (PDF): Link

Clase 3: | Video de clase | Notas de clase | Apunte de clase | Tarea |

Apuntes adicionales:

Regresión lineal simple y regresión logística

Clase 4: | Video de clase | Notas de clase | Apunte de clase | Tarea |

Regresión lineal múltiple y más sobre regresión logística

Clase 5: | Video de clase | Notas de clase | Apunte de clase | Tarea |

Apuntes adicionales:

Árboles de decisión, bosques aleatorios y Naive Bayes

Clase 6: | Video de clase | Notas de clase | Apunte de clase | Tarea |

Apuntes adicionales: