中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
您将学到什么
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.
您将获得的技能
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
8 项作业
授课语言：西班牙语
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 Ciencia de datos 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
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.
涵盖的内容
7个视频7篇阅读材料2个作业2个讨论话题6个插件
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.
涵盖的内容
4个视频6篇阅读材料2个作业1个讨论话题3个插件
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.
涵盖的内容
5个视频6篇阅读材料2个作业4个插件
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.
涵盖的内容
6个视频7篇阅读材料2个作业2个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.4 (13个评价)
从 Machine Learning 浏览更多内容
- 状态：免费试用
University of Minnesota
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.8
77 条评论
- 5 stars
79.48%
- 4 stars
16.66%
- 3 stars
2.56%
- 2 stars
1.28%
- 1 star
0%
显示 3/77 个
JC
4
已于 Apr 18, 2025审阅
Muy bueno el curso, sin embargo es necesario actualizarlo incluyendo las últimas versiones de las herramientas utilizadas...Muchas gracias!!
JR
5
已于 Jun 17, 2024审阅
El curso es excelente. Muy concreto con su información y los ejercicios prácticos muy pertinentes.
CT
5
已于 Feb 25, 2025审阅
Curso muy detallado y conciso, con buenos recursos y casos prácticos
常见问题
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.
更多问题
提供助学金，