Saltar al contenido principal
InicioPythonAprendizaje supervisado con scikit-learn

Aprendizaje supervisado con scikit-learn

"Mejora tus habilidades en machine learning con scikit-learn en Python. Usa datos reales y haz predicciones."

Comience El Curso Gratis
4 horas15 vídeos49 ejercicios141.624 aprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group

¿Entrenar a 2 o más personas?

Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

Desarrolla tus habilidades de machine learning con scikit-learn y descubre cómo utilizar esta popular biblioteca de Python para entrenar modelos utilizando datos etiquetados. En este curso, aprenderás a hacer predicciones potentes, como si un cliente se dará de baja de tu negocio, si una persona tiene diabetes e incluso cómo clasificar el género de una canción. Utilizando conjuntos de datos del mundo real, descubrirás cómo construir modelos predictivos, ajustar sus parámetros y determinar su rendimiento con datos no vistos.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.

En las siguientes pistas

Certificación disponible

Científico de datos asociado en Python

Ir a la pista

Ingeniero Asociado de IA para Científicos de Datos

Ir a la pista

Fundamentos del aprendizaje automático en Python

Ir a la pista
  1. 1

    Clasificación

    Gratuito

    En este capítulo, se te presentarán los problemas de clasificación y aprenderás a resolverlos mediante técnicas de aprendizaje supervisado. Aprenderás a dividir los datos en conjuntos de entrenamiento y de prueba, ajustar un modelo, hacer predicciones y evaluar la precisión. Descubrirás la relación entre la complejidad del modelo y el rendimiento, aplicando lo que aprendas a un conjunto de datos de rotación, donde clasificarás el estado de rotación de los clientes de una empresa de telecomunicaciones.

    Reproducir Capítulo Ahora
    Machine learning con scikit-learn
    50 xp
    Clasificación binaria
    50 xp
    El flujo de trabajo del aprendizaje supervisado
    100 xp
    El reto de la clasificación
    50 xp
    k vecinos más cercanos: Ajustar
    100 xp
    k vecinos más cercanos: Predecir
    100 xp
    Medir el rendimiento del modelo
    50 xp
    División entrenamiento/prueba + cálculo de la precisión
    100 xp
    Sobreajuste e infraajuste
    100 xp
    Visualizar la complejidad del modelo
    100 xp
  2. 2

    Regresión

    En este capítulo, te introducirás en la regresión y construirás modelos para predecir los valores de las ventas utilizando un conjunto de datos sobre gastos publicitarios. Aprenderás la mecánica de la regresión lineal y las métricas de rendimiento más comunes, como R-cuadrado y error cuadrático medio. Realizarás la validación cruzada k-fold, y aplicarás la regularización a los modelos de regresión para reducir el riesgo de sobreajuste.

    Reproducir Capítulo Ahora
  3. 3

    Afinar tu modelo

    Una vez entrenados los modelos, ahora aprenderás a evaluarlos. En este capítulo, se te presentarán varias métricas junto con una técnica de visualización para analizar el rendimiento de los modelos de clasificación mediante scikit-learn. También aprenderás a optimizar los modelos de clasificación y regresión mediante el uso del ajuste de hiperparámetros.

    Reproducir Capítulo Ahora
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más

En las siguientes pistas

Certificación disponible

Científico de datos asociado en Python

Ir a la pista

Ingeniero Asociado de IA para Científicos de Datos

Ir a la pista

Fundamentos del aprendizaje automático en Python

Ir a la pista

En otras pistas

Científico de machine learning en PythonAprendizaje automático supervisado en Python

conjuntos de datos

Advertising and SalesDiabetesTelecom ChurnMusic

colaboradores

Collaborator's avatar
Amy Peterson
Collaborator's avatar
James Chapman
Collaborator's avatar
Izzy Weber
George Boorman HeadshotGeorge Boorman

Curriculum Manager, DataCamp

Ver Más

¿Qué tienen que decir otros alumnos?

¡Únete a 14 millones de estudiantes y empieza Aprendizaje supervisado con scikit-learn hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.