Launching into Machine Learning en Español
- 4.7
-
![]()
![]()
![]()
![]()
![]()
Approx. 20 hours to complete
Course Summary
Learn how to launch a machine learning project from start to finish. This course covers everything from data preparation to model deployment.Key Learning Points
- Explore the entire machine learning project lifecycle
- Learn how to select and prepare data for machine learning
- Understand how to evaluate and improve machine learning models
- Discover how to deploy machine learning models into a production environment
Related Topics for further study
Learning Outcomes
- Ability to launch a machine learning project from start to finish
- Knowledge of data preparation techniques for machine learning
- Understanding of how to evaluate and improve machine learning models
Prerequisites or good to have knowledge before taking this course
- Basic knowledge of programming (preferably Python)
- Familiarity with statistics and linear algebra
Course Difficulty Level
IntermediateCourse Format
- Self-paced
- Online
- Video lectures
Similar Courses
- Applied Data Science with Python
- Data Science Essentials
- Introduction to Machine Learning
Related Education Paths
Notable People in This Field
- Andrew Ng
- Yann LeCun
Related Books
Description
Comenzaremos con la historia del aprendizaje automático y discutiremos por qué las redes neuronales actualmente dan tan buenos resultados para una gran variedad de problemas de la ciencia de datos. Luego, veremos cómo configurar un problema de aprendizaje supervisado y encontrar una buena solución mediante el descenso de gradientes. Para esto, será necesario crear conjuntos de datos que permitan la generalización. Hablaremos sobre los métodos para hacerlo de una forma repetible que respalde la experimentación.
Outline
- Introducción al curso
- Introducción al curso
- Primeros pasos con Google Cloud y Qwiklabs
- Mejorar la calidad de los datos y los análisis exploratorios de datos
- Introducción
- Mejora de la calidad de los datos
- Introducción al lab sobre la mejora de la calidad de los datos
- Análisis exploratorios de datos
- Introducción al lab sobre análisis exploratorios de datos
- Recursos
- Cuestionario de práctica sobre la mejora de la calidad de los datos
- Cuestionario de práctica sobre los análisis exploratorios de datos
- AA práctico
- Introducción
- Aprendizaje supervisado
- Regresión y clasificación
- Historia breve del AA: Regresión lineal
- Historia breve del AA: Perceptrón
- Historia breve del AA: Redes neuronales
- Introducción al lab: Introducción a la regresión lineal
- Introducción al lab: Introducción a la regresión logística
- Historia breve del AA: Árboles de decisión
- Historia breve del AA: Bosques aleatorios
- Introducción al lab: Árboles de decisión y bosques aleatorios en Python
- Historia breve del AA: Métodos de kernel
- Historia breve del AA: Redes neuronales modernas
- Recursos
- Aprendizaje supervisado
- Regresión y clasificación
- Regresión lineal
- Perceptrón
- Redes neuronales
- Árboles de decisión
- Métodos de kernel
- Historia del AA: Redes neuronales modernas
- Optimización
- Introducción
- Definición de modelos de AA
- Presentación del conjunto de datos del curso
- Introducción a las funciones de pérdida
- Descenso de gradientes
- Solución de problemas de la curva de pérdida
- Problemas del modelo de AA
- Lab de la clase: Presentación de TensorFlow Playground
- Lab de la clase: TensorFlow Playground (avanzado)
- Lab de la clase: Práctica con redes neuronales
- Solución de problemas de la curva de pérdida
- Métricas de rendimiento
- Matriz de confusión
- Recursos
- Cuestionario de la clase
- Cuestionario de la clase
- Cuestionario de la clase
- Cuestionario del módulo
- Generalización y muestreo
- Introducción
- Generalización y modelos de AA
- Cuándo dejar de entrenar un modelo
- Clase para crear muestras repetibles en BigQuery
- Demostración de la clase: División de conjuntos de datos en BigQuery
- Introducción al lab para crear divisiones de conjuntos de datos repetibles en BigQuery
- Lab de explicación de la solución para crear divisiones de conjuntos de datos repetibles en BigQuery
- Introducción al lab para explorar y crear conjuntos de datos de AA
- Lab de explicación de la solución para explorar y crear conjuntos de datos de AA
- Recursos
- Generalización y modelos de AA
- Cuestionario del módulo
- Resumen
- Resumen del curso
- Recursos: Lecturas recopiladas en archivos PDF
- Preguntas del cuestionario en un archivo PDF
- Cuestionario del curso
Summary of User Reviews
Discover the Launching Machine Learning course on Coursera, a highly rated program that teaches the fundamentals of machine learning. This course is designed for individuals who want to learn how to build machine learning models from scratch, without any prior experience. The course is well-structured and easy to follow, making it perfect for beginners.Key Aspect Users Liked About This Course
Many users thought the course was well-structured and easy to follow.Pros from User Reviews
- Great introduction to machine learning
- Clear explanations and examples
- Easy to follow videos and lectures
- Great course material
- Great instructor
Cons from User Reviews
- Can be a bit too basic for some
- Not much hands-on experience
- Limited programming assignments
- Some of the lectures can be a bit dry
- Could benefit from more real-world examples
Google Cloud Training
4.7 Raiting
Launching into Machine Learning en Español
- 4.7
-
![]()
![]()
![]()
![]()
![]()
Comenzaremos con la historia del aprendizaje automático y discutiremos por qué las redes neuronales actualmente dan tan buenos resultados para una gran variedad de problemas de la ciencia de datos....
Launching into Machine Learning en Français
- 0.0
-
![]()
![]()
![]()
![]()
![]()
Après avoir présenté un historique du machine learning, nous étudierons pourquoi les réseaux de neurones sont aujourd'hui parfaitement adaptés à diverses problématiques....
