Este curso te va a brindar conocimientos, tanto teóricos como prácticos, para que puedas construir modelos predictivos utilizando técnicas de aprendizaje automático (en inglés, machine learning). Estos modelos nos permiten anticipar en alguna medida eventos futuros y, en consecuencia, pueden ser utilizados para apoyar la toma de decisiones en las organizaciones y, en general, en cualquier dominio de aplicación.
Modelos predictivos con aprendizaje automático
Modelos predictivos con aprendizaje automático
This course is part of Ciencia de datos Specialization
Instructor: Haydemar Nuñez Castro
3,007 already enrolled
Included with 
Gain insight into a topic and learn the fundamentals.
4.7
(61 reviews)
Beginner level
Recommended experience
20 hours to complete
3 weeks at 6 hours a week
Flexible schedule
Learn at your own pace
What you'll learn
Comprender qué es el aprendizaje automático y los tipos de problemas que pueden resolverse con estas técnicas.
Construir modelos predictivos con base en los objetivos de negocio y los datos disponibles, con herramientas de aprendizaje automático en Python.
Entender el proceso para desarrollar un proyecto basado en datos, desde la formulación del problema hasta la evaluación e interpretación del modelo.
Skills you'll gain
Details to know
Shareable certificate
Add to your LinkedIn profile
Assessments
8 assignments
Taught in Spanish
See how employees at top companies are mastering in-demand skills
Build your subject-matter expertise
This course is part of the Ciencia de datos Specialization
When you enroll in this course, you'll also be enrolled in this Specialization.
- Learn new concepts from industry experts
- Gain a foundational understanding of a subject or tool
- Develop job-relevant skills with hands-on projects
- Earn a shareable career certificate
Earn a career certificate
Add this credential to your LinkedIn profile, resume, or CV
Share it on social media and in your performance review
There are 4 modules in this course
Bienvenido al primer módulo del curso. Aquí te voy a mostrar, a través del estudio de algunos casos de uso, qué es el aprendizaje automático y cuáles son las características de los proyectos que pueden ser realizados con estás técnicas. Además, conocerás algunas áreas de aplicación del aprendizaje automático y sabrás diferenciar los diversos contextos de aprendizaje, supervisado y no supervisado, así como sus tareas asociadas. También tendrás la oportunidad de conocer el proceso de aprendizaje a través de una metodología y cuáles son algunas herramientas, en el lenguaje de programación Python, que puedes utilizar para la implementación de este tipo de proyectos.
What's included
7 videos7 readings2 assignments2 discussion prompts6 plugins
Bienvenido al segundo módulo del curso, el cual lo dedicaremos al estudio de la tarea de regresión. Aprenderás cómo resolver un problema de predicción numérica utilizando el algoritmo de regresión lineal, tanto simple como de múltiples variables. También conocerás algunas métricas que te permitirán medir el rendimiento del modelo generado, así como técnicas para determinar la calidad de las predicciones para datos nuevos. Por último, aplicarás estos conceptos a un caso utilizando la librería de aprendizaje automático scikit-learn.
What's included
4 videos6 readings2 assignments1 discussion prompt3 plugins
Bienvenido al tercer módulo del curso, en el cual vamos a estudiar algunas técnicas que te permitirán mejorar el rendimiento de los modelos predictivos. En primer lugar, veremos una trasformación que habilita el uso de la regresión lineal en problemas no lineales. Luego, presentaremos un concepto muy importante en al aprendizaje a partir de datos, la complejidad de modelos, y discutiremos cómo este puede afectar el rendimiento de generalización. También aprenderás qué es la regularización y cómo funciona como método de control de complejidad. Conocerás las versiones regularizadas de la regresión lineal y cómo ajustar hiperparámetros con técnicas de validación. Por último, tendrás la oportunidad de aplicar estos conceptos a un caso utilizando la librería scikit-learn.
What's included
5 videos6 readings2 assignments4 plugins
Bienvenido al último módulo del curso, en el cual estudiaremos la tarea de clasificación. Aprenderás cómo un algoritmo de aprendizaje resuelve un problema de este tipo y veremos en acción uno muy popular, los árboles de decisión. También conocerás algunas métricas para evaluar este tipo de modelos y cuál es la base a partir de la cual se derivan. Además, aplicarás los conceptos vistos sobre complejidad y ajuste de hiperparámetros para construir modelos basados en árboles de decisión con buenas capacidades de generalización. Por último, resolverás un caso utilizando la librería de aprendizaje automático scikit-learn. Para cerrar, tendrás la oportunidad de comprender las implicaciones éticas en el desarrollo de soluciones a partir de datos.
What's included
6 videos7 readings2 assignments2 plugins
Instructor
Instructor ratings
4.4 (10 ratings)Offered by
Recommended if you're interested in Machine Learning
Universidad Nacional Autónoma de México
Fundação Instituto de Administração
Universidad de Palermo
Universidad de los Andes
Why people choose Coursera for their career
Felipe M.
Learner since 2018
"To be able to take courses at my own pace and rhythm has been an amazing experience. I can learn whenever it fits my schedule and mood."
Jennifer J.
Learner since 2020
"I directly applied the concepts and skills I learned from my courses to an exciting new project at work."
Larry W.
Learner since 2021
"When I need courses on topics that my university doesn't offer, Coursera is one of the best places to go."
Chaitanya A.
"Learning isn't just about being better at your job: it's so much more than that. Coursera allows me to learn without limits."
Learner reviews
4.7
61 reviews
- 5 stars
78.68%
- 4 stars
16.39%
- 3 stars
3.27%
- 2 stars
1.63%
- 1 star
0%
Showing 3 of 61
JR
5
Reviewed on Jun 17, 2024
El curso es excelente. Muy concreto con su información y los ejercicios prácticos muy pertinentes. Valdría la pena actualizar algunos notebooks con las últimas versiones de librerías.
New to Machine Learning? Start here.
Open new doors with Coursera Plus
Unlimited access to 10,000+ world-class courses, hands-on projects, and job-ready certificate programs - all included in your subscription
Advance your career with an online degree
Earn a degree from world-class universities - 100% online
Join over 3,400 global companies that choose Coursera for Business
Upskill your employees to excel in the digital economy
Frequently asked questions
Al inscribirte al curso puedes elegir la opción que más te interese, bien sea auditarlo, en cuyo caso tendrás acceso al contenido del curso de forma gratuita; o con certificación, en cuyo caso deberás realizar algunas evaluaciones adicionales obligatorias y cumplir con los demás requisitos de la plataforma (hacer la verificación de identidad al presentar las evaluaciones obligatorias, lograr el porcentaje mínimo para pasar el curso y pagar directamente a Coursera el precio de la certificación anunciado en la plataforma).
El certificado de participación lo emite Coursera directamente. Puedes adquirirlo siempre y cuando cumplas con los tres requisitos siguientes: presentar las evaluaciones adicionales obligatorias, hacer la verificación de identidad al presentarlas, lograr el porcentaje mínimo para pasar el curso y pagar el precio anunciado por la plataforma.
Una vez cumplidos los requisitos para la obtención del certificado, debes realizar el pago directamente a Coursera. Ten en cuenta que actualmente las plataformas sólo permiten pagos con tarjetas de crédito internacionales; pero esperamos que pronto activen nuevas alternativas. En caso de que no cuentes con este medio de pago (tarjeta de crédito internacional), puedes solicitar ayuda financiera directamente a la plataforma a través de la opción "Learn more and apply" (Aprender más y aplicar) en la sección "Financial Aid" (Ayuda Financiera) que encuentras debajo del botón de inscripción "Enroll" (Inscribirse). Allí tendrás que completar una aplicación muy sencilla; ningún otro documento o trámite es necesario.