1. Cursos
  2. Tecnología
  3. Inteligencia artificial
  4. Machine learning y datascience con Python con sklearn y pyspark

Machine learning y datascience con Python con sklearn y pyspark

Aprende las principales técnicas de machine learning y ciencia de datos para aplicarlas en proyectos con python.Este curso pretende ser una introducción a las técnicas más relevantes de Machine Learning y mostrar ejemplos de aplicación de estas técnicas.

Machine learning y datascience con Python con sklearn y pyspark
Comparte este curso

Descripción del curso

El enfoque será teórico-práctico y se hará uso del lenguaje de programación Python y del toolkit Scikit Learn. Se recomienda a los alumnos instalarse ANACONDA en su plataforma habitual. ANACONDA incluye Python, Scikit-Learn y Matplotlib. La versión de python que utilizaremos será la 3.6.

También veremos pyspark como plataforma de desarrollo de aplicaciones distribuidas. Entre los principales objetivos podemos destacar:

- Introducir los conceptos de ciencias de datos y machine learning.

- Introducir las principales librerías que podemos encontrar en python para aplicar técnicas de machine learning a los datos.

- Introducir las principales librerías que podemos encontrar en python para tratamiento y visualización de datos

- Dar a conocer los pasos para construir un modelo de machine learning, desde la adquisición de datos, pasando por la generación de funciones, hasta la selección de modelos.

- Dar a conocer los principales algoritmos para resolver problemas de machine learning.

- Introducir scikit-learn como herramienta para resolver problemas de machine learning.

- Introducir pyspark como herramienta para aplicar técnicas de big data y map-reduce a los datos.

- Conocer y aplicar algoritmos de machine learning con pyspark.

- Introducir los sistemas de recomendación basados en contenidos.

Contenido del curso

Introducción a la ciencia de datos y machine learning

49:59
  • Definiciones13:38AVANCE
  • Introducción al aprendizaje automático04:42AVANCE
  • Tipos de aprendizaje automático07:41
  • Aprendizaje supervisado vs no supervisado06:52
  • Problema del sobreentrenamiento06:43
  • Pasos para construir un modelo de machine learning10:23

Librerías para tratamiento y visualización de datos con python

01:54:01
  • Librerías de Python para machine learning:Numpy, SciPy, Pandas18:12
  • Instalación anaconda + jupyter notebook18:29
  • Conjunto de datasets12:36
  • Crear nuestro propio dataset07:47
  • Introducción a pandas15:07
  • Ejemplos prácticos tratamiento de datos con pandas09:17
  • Librerías de visualización de datos con python13:24
  • Ejemplos prácticos visualización de datos19:09

Scikit-learn como librería de machine learning

05:23:13
  • Introducción a scikit-learn11:22
  • Datasets sklearn15:20
  • Algoritmos de Machine Learning en scikit-learn16:51
  • Introducción a la regresión lineal08:39
  • LinearRegression como algoritmo de regresión lineal14:34
  • Resolver problema de predecir el tráfico web14:40
  • Logistic Regression como algoritmo de regresión logística12:50
  • LogisticRegresion gráfico07:55
  • Introducción a los árboles de decisión12:09
  • DecissionTreeClassifier como algoritmo de árboles de decision18:50
  • DecissionTreeRegressor como algoritmo de selección de mejores atributos14:59
  • Implementación del algoritmo SVM en scikit-learn13:29
  • Clasificador de dígitos con el algoritmo SVM en scikit-learn19:55
  • K-NN (K Nearest Neighbor) como algoritmo de clasificación supervisada14:07
  • Implementación de KNeighborsClassifier en scikit-learn17:38
  • Clustering y aprendizaje no supervisado08:18
  • K-means como algoritmo de clustering10:32
  • Implementación de K-means en scikit-learn21:58
  • Ejemplos kmeans en scikit-learn16:25
  • AffinityPropagation en scikit-learn12:52
  • Titanic Dataset gráficos19:03
  • Titanic Dataset Scikit-learn20:47

Pyspark como librería de big data y data science

04:52:07
  • Introducción a Apache Spark09:49
  • Módulos de Apache Spark14:04
  • Instalación de Apache Spark13:44
  • SparkContext y esqueleto de una aplicación con pyspark16:52
  • SparkSubmit para la ejecución de scripts python14:29
  • Crear un RDD en python con pyspark13:04
  • Operaciones sobre un RDD12:07
  • Transformaciones sobre un RDD22:03
  • Map Reduce en pyspark08:59
  • Resumen operaciones pyspark21:42
  • Resumen operaciones map reduce19:16
  • Contador de palabras con pyspark18:15
  • Palabras más frecuentes de un texto con pyspark08:42
  • Leer ficheros csv10:20
  • Lectura ficheros json con pyspark12:14
  • Trabajando con Spark SQL y dataframes22:24
  • Resumen operaciones sql dataframes pyspark20:04
  • MLlib como módulo de machine learning con pyspark09:14
  • Ejemplo clasificación Spam con mLlib14:33
  • Clustering con pyspark. Algoritmo Kmeans10:12

Sistemas de recomendación

01:06:55
  • Definir sistema de recomendación07:24
  • Tipos de sistemas de recomendación08:25
  • Practica filtro basado en contenido14:07
  • Practica filtro basado en contenido mediante extracción de atributos18:43
  • Práctica filtro colaborativo18:16

Recursos y artículos

13:57
  • Recursos y artículos13:57

Valoraciones

4.4/5
17 Valoraciones
  • 5 ESTRELLAS
    71%
  • 4 ESTRELLAS
    18%
  • 3 ESTRELLAS
    0%
  • 2 ESTRELLAS
    0%
  • 1 ESTRELLAS
    12%
  • Adolfo Catral Sanabria
    Adolfo
      Catral Sanabria
    Incluir valoración media (en números)

  • KARINA GONZALEZ MENDOZA
    KARINA
      GONZALEZ MENDOZA
    Incluir valoración media (en números)

  • María Teresa Celestino Buentello
    María Teresa
      Celestino Buentello
    Incluir valoración media (en números)

    El mejor de toda la "Carrera" de experto Big Data!!!

  • Antonio Molano
    Antonio
      Molano
    Incluir valoración media (en números)

  • Antonio Carreto Cano
    Antonio
      Carreto Cano
    Incluir valoración media (en números)

  • Adolfo Illera Jimenez
    Adolfo
      Illera Jimenez
    Incluir valoración media (en números)

  • Manuel Antonio Merino Huaman
    Manuel Antonio
      Merino Huaman
    Incluir valoración media (en números)

  • Carlos Pintor Villar
    Carlos
      Pintor Villar
    Incluir valoración media (en números)

  • Rosaura Irigaray Muñoz
    Rosaura
      Irigaray Muñoz
    Incluir valoración media (en números)

    Expiaciones muy lentas y con demasiadas lagunas y parones.

  • fdsl software libre
    fdsl
      software libre
    Incluir valoración media (en números)

  • Macario Zamorano
    Macario
      Zamorano
    Incluir valoración media (en números)

  • Miguel Ángel Gragera Gragera
    Miguel Ángel
      Gragera Gragera
    Incluir valoración media (en números)

    Esta muy bien si tienes algunos conocimientos previos, para poder profundizar mas. Excelente el material de estudio.

  • Javier Soriano
    Javier
      Soriano
    Incluir valoración media (en números)

  • Francisco Porrata
    Francisco
      Porrata
    Incluir valoración media (en números)

  • Juan García
    Juan
      García
    Incluir valoración media (en números)

    Muy completo y actualizado. Hacía falta un curso de inteligencia artificial y machine learning así, en Tutellus

¿Por qué pagar por un curso cuando puedes tenerlos todos?

Prueba la Suscripción ahora
O quiero saber más
Apúntate POR 60€
GRATIS con la Suscripción
|Pago aplazado