What will I get if I subscribe to this Specialization?

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Modelos predictivos con aprendizaje automático

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

Modelos predictivos con aprendizaje automático

Dieser Kurs ist Teil von Spezialisierung „Ciencia de datos“

Dozent: Haydemar Nuñez Castro

4.281 bereits angemeldet

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

79 Bewertungen

Stufe Anfänger

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

79 Bewertungen

Stufe Anfänger

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

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.

Kompetenzen, die Sie erwerben

Kategorie: Machine Learning
Kategorie: Statistical Machine Learning
Kategorie: Model Training
Kategorie: Regression Analysis
Kategorie: Supervised Learning
Kategorie: Machine Learning Methods
Kategorie: Responsible AI
Kategorie: Machine Learning Software
Kategorie: Classification And Regression Tree (CART)
Kategorie: Data Ethics
Kategorie: Applied Machine Learning
Kategorie: Decision Tree Learning
Kategorie: Model Optimization
Kategorie: Machine Learning Algorithms
Kategorie: Predictive Analytics
Kategorie: Model Evaluation
Kategorie: Predictive Modeling

Werkzeuge, die Sie lernen werden

Kategorie: Scikit Learn (Machine Learning Library)
Kategorie: Python Programming
Kategorie: Classification Algorithms

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

8 Aufgaben

Unterrichtet in Spanisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Ciencia de datos“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

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.

El curso consta de 4 módulos, cada uno de una semana, en los cuales vas a tener la oportunidad de conocer y analizar diferentes casos de estudio con el objetivo de que tengas un panorama amplio de las aplicaciones de los modelos predictivos. En el primer módulo estudiaremos algunos fundamentos del aprendizaje automático y te mostraremos ejemplos de proyectos que pueden ser realizados con estas técnicas. El segundo módulo lo dedicaremos a la tarea de regresión y cómo construir modelos de predicción numérica con algoritmos lineales. A continuación, en el tercer módulo, estudiaremos algunos conceptos importantes en el aprendizaje supervisado, como la complejidad de modelos y la capacidad de generalización. Veremos entonces algunas técnicas que te permitirán mejorar el rendimiento de tus modelos. Por último, en el cuarto módulo, estudiaremos la tarea de clasificación y cómo construir modelos predictivos con algoritmos basados en árboles de decisión. Este curso está pensado para personas de diferentes disciplinas que quieran adentrarse en el mundo del aprendizaje automático y sus aplicaciones en el análisis de información, que estén iniciando estudios universitarios o con un título profesional. El aspirante a tomar este curso puede provenir de cualquier campo del conocimiento y estar incorporado en cualquier ámbito industrial, empresarial o académico. Este curso requiere la instalación de un programa especial (Anaconda/Jupyter Notebook). Es recomendable que el equipo cuente con más de 4GB de RAM y espacio en disco duro superior a 1GB.

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.

Das ist alles enthalten

7 Videos7 Lektüren2 Aufgaben2 Diskussionsthemen6 Plug-ins

7 VideosInsgesamt 47 Minuten

Introducción al curso5 Minuten
Anaconda y su instalación12 Minuten
Introducción al Módulo 14 Minuten
¿Cómo podemos definir el AA (Aprendizaje Automático)?8 Minuten
Los tipos de aprendizaje y sus tareas8 Minuten
Caso de uso Gestión de riesgos ambientales 2 Minuten
Un ejemplo sobre un conjunto de datos (cargar, describir, visualizar, ...)8 Minuten

7 LektürenInsgesamt 130 Minuten

Presentación del curso20 Minuten
Recomendaciones para tener éxito en el curso15 Minuten
Problemas técnicos10 Minuten
Determina una problemática de interés ¿Puede resolverse con AA (Aprendizaje Automático)?30 Minuten
¿Cuál será nuestro proyecto?15 Minuten
Modelos predictivos en el sector retail.10 Minuten
A practicar Cargar, describir y visualizar un conjunto de datos30 Minuten

2 AufgabenInsgesamt 60 Minuten

Preparándonos para continuar15 Minuten
¿Qué hemos aprendido?45 Minuten

2 DiskussionsthemenInsgesamt 20 Minuten

Foro: cuéntanos de ti10 Minuten
¿Cómo se relaciona el AA (Aprendizaje Automático) con la IA?10 Minuten

6 Plug-insInsgesamt 110 Minuten

Referencias de apoyo20 Minuten
¿Qué tipo de proyectos podemos realizar con el AA (Aprendizaje Automático)?20 Minuten
¿Cómo se relaciona el AA (Aprendizaje Automático) con la IA?10 Minuten
Los modelos predictivos: qué tarea asignar con base en el objetivo de aprendizaje20 Minuten
Etapas de un proyecto de analítica25 Minuten
Python y las librerías para AA (aprendizaje automático) 15 Minuten

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.

Das ist alles enthalten

4 Videos6 Lektüren2 Aufgaben1 Diskussionsthema3 Plug-ins

4 VideosInsgesamt 31 Minuten

Introducción al Módulo 23 Minuten
¿Cómo resolver un problema de regresión?5 Minuten
Regresión lineal simple9 Minuten
¿Y cómo implementar el proceso? La regresión lineal con scikit-learn14 Minuten

6 LektürenInsgesamt 120 Minuten

¿Cuáles son las aplicaciones de la regresión?10 Minuten
¿Cómo interpretar el modelo de regresión lineal simple?15 Minuten
¿Cómo interpretar el modelo de regresión lineal múltiple?10 Minuten
¿Cómo interpretar las métricas de rendimiento para regresión?10 Minuten
A practicar. Proceso de aprendizaje completo sobre un conjunto de datos30 Minuten
Manos a la obra, a aplicar lo visto en el proyecto45 Minuten

2 AufgabenInsgesamt 60 Minuten

Preparándonos para continuar15 Minuten
¿Qué hemos aprendido?45 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

¿Cómo saber la calidad de las predicciones sobre datos nuevos?10 Minuten

3 Plug-insInsgesamt 60 Minuten

Regresión lineal múltiple20 Minuten
Algunas métricas para evaluar modelos de regresión20 Minuten
¿Cómo saber la calidad de las predicciones sobre datos nuevos?20 Minuten

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.

Das ist alles enthalten

5 Videos6 Lektüren2 Aufgaben4 Plug-ins

5 VideosInsgesamt 33 Minuten

Introducción al Módulo 33 Minuten
La regresión polinomial en scikit-learn: caso una sola variable8 Minuten
La regresión polinomial en scikit-learn: caso con múltiples variables6 Minuten
Regresión regularizada. Caso Ridge.10 Minuten
Regresión regularizada. Caso Lasso.6 Minuten

6 LektürenInsgesamt 140 Minuten

Transformación polinomial: interacciones entre variables10 Minuten
A practicar. Regresión polinomial sobre un conjunto de datos30 Minuten
Menos es más: complejidad y generalización10 Minuten
Regularización en regresión lineal.15 Minuten
Actividad A practicar. Regresión regularizada sobre un conjunto de datos 30 Minuten
Manos a la obra, a aplicar lo visto en el proyecto45 Minuten

2 AufgabenInsgesamt 45 Minuten

Preparándonos para continuar15 Minuten
¿Qué hemos aprendido?30 Minuten

4 Plug-insInsgesamt 60 Minuten

¿Cómo funciona la regresión polinomial?15 Minuten
Más complejo o menos complejo: ese es el dilema15 Minuten
La regularización al rescate15 Minuten
En la búsqueda de los hiperparámetros15 Minuten

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.

Das ist alles enthalten

6 Videos7 Lektüren2 Aufgaben2 Plug-ins

6 VideosInsgesamt 42 Minuten

Introducción al Módulo 43 Minuten
¿Cómo resolver un problema de clasificación?7 Minuten
Clasificación con árboles de decisión7 Minuten
Arboles de decisión en scikit learn. Construcción e interpretación.12 Minuten
¿Y cómo implementar el proceso? Árboles de decisión: ajuste de hiperparámetros y evaluación.11 Minuten
Cierre del curso2 Minuten

7 LektürenInsgesamt 185 Minuten

¿Cuáles son las aplicaciones de la clasificación?10 Minuten
Algo más sobre algoritmos de árboles de decisión.10 Minuten
A practicar. Modelos basados en árboles de decisión partir de un conjunto de datos30 Minuten
A practicar. Árboles de decisión a partir de un conjunto de dato: construcción, búsqueda de la complejidad y evaluación.30 Minuten
Manos a la obra, a aplicar lo visto en el proyecto.45 Minuten
Aspectos éticos en la Inteligencia Artificial30 Minuten
Actividad: ¿Cuándo no se sigue la ética en el aprendizaje automático?30 Minuten

2 AufgabenInsgesamt 60 Minuten

Preparándonos para continuar30 Minuten
¿Qué hemos aprendido?30 Minuten

2 Plug-insInsgesamt 30 Minuten

Clasificación con árboles de decisión15 Minuten
Algunas métricas para evaluar modelos de clasificación15 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Lehrkraftbewertungen

(13 Bewertungen)

Haydemar Nuñez Castro

Universidad de los Andes

8 Kurse5.366 Lernende

von

Universidad de los Andes

Mehr von Machine Learning entdecken

Status: Kostenloser Testzeitraum
EDUCBA
Advanced Machine Learning with R: Apply & Predict
Kurs
Status: Vorschau
EDUCBA
Predictive Models: Build, Explore Data & Deploy
Kurs
Status: Kostenloser Testzeitraum
Edureka
Predictive Modeling with Python
Kurs
Status: Kostenloser Testzeitraum
MathWorks
Predictive Modeling and Machine Learning with MATLAB
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
79,74 %
4 stars
16,45 %
3 stars
2,53 %
2 stars
1,26 %
1 star
0 %

Zeigt 3 von 79 an

Geprüft am 18. Apr. 2025

Muy bueno el curso, sin embargo es necesario actualizarlo incluyendo las últimas versiones de las herramientas utilizadas...Muchas gracias!!

Geprüft am 18. Juni 2025

Un curso muy bien abordado, los ejemplo son bastantes claros, y exige un nivel de estudio personal extra que no hay que olvidar.

Geprüft am 17. Juni 2024

El curso es excelente. Muy concreto con su información y los ejercicios prácticos muy pertinentes.

Weitere Bewertungen anzeigen

Häufig gestellte Fragen

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.

El certificado de participación se expide con el logo de la Universidad de los Andes y el de la plataforma, da cuenta de la participación del estudiante en el curso indicando las horas de trabajo semanal estimadas y está firmado por el profesor de la Universidad. En ningún caso, el certificado representa créditos académicos que puedan ser homologados en programas presenciales o en modalidad híbrida de la Universidad de los Andes.

Los asuntos relacionados con tu cuenta en Coursera, tu inscripción y acceso al curso, el pago y emisión del certificado, entre otros, son gestionados por la plataforma directamente, por lo que te sugerimos contactarlos (en español o inglés) al "Learner Help Center" (Centro de ayuda al estudiante) en:

https://learner.coursera.help/hc/es/categories/201216173#section_0.

El curso está diseñado para que usted avance al ritmo que más le convenga. Si debe suspender y quiere retomar el curso después, solo debe ingresar al curso como lo hacía antes y continuar o volver a empezar para refrescar lo que ya había hecho. No se preocupe si la plataforma le muestra las tareas que tiene atrasadas, es solo una guía. Sin embargo, tenga en cuenta que puede que el grupo de estudiantes que inició el curso al tiempo que usted ya vaya más adelante, por lo que es posible que nadie esté activo en los foros o las actividades de revisión por pares. Si desea unirse a un grupo que esté activo en ese momento, solo debe pasarse a una nueva sesión, dando clic en el botón Restablecer mis fechas límite (Reset my deadlines) que parece en la franja de color superior de la página un vistazo (Overview) dentro del curso.

Si quieres conocer más sobre la Universidad de los Andes, puedes consultar los siguientes vínculos:

- Video promocional: https://www.youtube.com/watch?v=J98GEwFJYms

- Página oficial: http://www.uniandes.edu.co

- Admisiones y registro: https://registro.uniandes.edu.co/index.php/scouting/ipor-queestudiar-en-uniandes

Contáctanos en la Cra 1 Nº 18A- 12 Bogotá, (Colombia). Código postal 111711 Bogotá, Colombia; por correo electrónico en [email protected]; o por teléfono en +571 3394949, +571 3394999, extensiones 3301, 5050 y 1649.

A continuación encuentras algunos links de ayuda en Coursera:

- Ayuda con certificados y demás preguntas (Ayuda al Estudiante o Learner Help Center): https://learner.coursera.help/hc/en-us

- ¿Cómo inscribirse en un curso?: https://learner.coursera.help/hc/es/articles/209818603-Inscribirse-en-un-curso

- Opciones de inscripción a un curso o programa especializado: https://learner.coursera.help/hc/es/articles/209818613

- ¿Cómo puedo pagar por el certificado de un curso o programa especializado?: https://learner.coursera.help/hc/es/articles/208280146-Pay-for-a-course-or-Specialization

- ¿Cuándo empiezan los cursos?:

https://learner.coursera.help/hc/es/articles/208279766

- ¿Cómo solicito ayuda económica?:

https://learner.coursera.help/hc/es/articles/209819033-Solicitar-

- Ayuda económica

- ¿Qué cursos ofrece la Universidad de los Andes en Coursera?:

https://hua.dididi.sbs/uniandes

Si eres estudiantes de pregrado y posgrado, personal académico y/o personal administrativo de la Universidad de los Andes, puedes certificarte de forma completamente gratuita cuando completes un MOOC de la Universidad de los Andes, del Tecnológico de Monterrey o de la Pontificia Universidad Católica de Chile, gracias a la alianza que formaron estas universidades, denominada La Tríada. Para lograrlo, debes ingresar al portal de la Tríada en Coursera: https://coursera.org/programs/la-triada-fegw7 y hacer clic en el botón de “Únete de forma gratuita”. Luego en “Inicia sesión con UNIVERSIDAD DE LOS ANDES” (utiliza tu usuario y clave de correo electrónico DE UNIANDES para ingresar. Regístrate como “Soy un usuario nuevo” (así tu cuenta de Coursera esté asociada a tu correo Uniandes). Únete al programa, revisa la oferta y disfruta de los MOOCs y programas de La Tríada. Para aclarar este proceso, ingresa a: https://moocs.uniandes.edu.co/la-triada-en-coursera/, donde encontrarás un video con el paso a paso, respuestas a las preguntas frecuentes y un email de soporte en caso de que necesites ayuda.

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.