• Se necesitan conocimientos de matemáticas y conocimientos básicos de estadística
• Se recomienda saber programar un poco para enfocarse en aprender las técnicas de análisis en Python aunque no es totalmente necesario

¿Te suenan las palabras Machine Learning o Data Scientist? ¿Sientes curiosidad de para qué sirven estas técnicas o por qué empresas de todo el mundo están en la busqueda de contratar a un científico de datos?

Los siguientes tutoriales te ayudarán a desarrollar tus habilidades de manera sencilla y desde tu casa. Los tutoriales están divididos en diferentes secciones, donde cada una marca un nivel diferente de conocimiento.

• Parte 1 - Instalación de Python y paquetes necesarios para data science, machine learning y visualización de los datos
• Parte 2 - Evolución histórica del análisis predictivo y el machine learning
• Parte 3 - Pre procesado y limpieza de los datos
• Parte 4 - Manejo de datos y data wrangling, operaciones con datasets y distribuciones de probabilidad más famosas
• Parte 5 - Repaso de estadística básica, intervalos de confianza, contrastes de hipótesis, correlación,...
• Parte 6 - Regression lineal simple, regresión lineal múltiple y regresión polinomial, variables categóricas y tratamiento de outliers.
• Parte 7 - Clasificación con regresión logística, estimación con máxima verosimititud, validación cruzada, K-fold cross validation, curvas ROC
• Parte 8 - Clustering, K-means, K-medoides, dendrogramas y clustering jerárquico, técnica del codo y análisis de la silueta
• Parte 9 - Clasificación con árboles, bosques aleatorios, técnicas de poda, entropía, maximización de la información
• Parte 10 - Support Vector Machines para problemas de clasificación y regresión, kernels no lineales, reconocimiento facial (cómo funciona CSI)
• Parte 11 - Los K vecinos más cercanos, decisión por mayoría, programación de algoritmos de Machine Learning vs librerías de Python
• Parte 12 - Análisis de componentes principales, reducción de la dimensión, LDA
• Parte 13 - Deep learning, Reinforcement Learning, Redes neuronales artificiales y convolucionales y Tensor Flow

Además, en el curso encontrarás ejercicios, datasets para practicar basados en ejemplos de la vida real, de modo que no solo aprenderás la teoría con los vídeos, si no también a practicar para construir tus propios modelos de Machine Learning. Y como no olvidar que tendrás un github con todo el código fuente en Python para descargar y utilizar en todos tus proyectos. Así que no esperes más y apúntate al curso de Machine Learning más completo y útil del mercado español!

• Cualquiera interesado en aprender Machine Learning
• Estudiantes que tienen un conocimiento de matemáticas que quieran aprender acerca del Machine Learning con Python
• Usuarios intermedios que conocen los fundamentos de Machine learning como los algoritmos clásicos de regresión lineal o logística pero buscan aprender más y explorar otros campos del aprendizaje estadístico
• Programadores que les guste el código y que estén interesados en aprender Machine Learning para aplicar dichas técnicas a sus datasets
• Estudiantes de universidad que busquen especializarse y aprender a ser Data Scientists
• Analistas de datos que quieran ir más allá gracias al Machine Learning
• Cualquier persona que no esté satisfecha con su propio trabajo y busque empezar a trabajar como un Data Scientist profesional
• Cualquier persona que quiera dar valor añadido a su propia empresa utilizando las potentes herramientas de Machine Learning