¿Te enfrentas a un problema complejo que implica una gran cantidad de datos y de variables ?. El aprendizaje automático (Machine Learning) te parece la mejor solución, pero no lo has utilizado antes. ¿Cómo gestionar datos desorganizados, incompletos o que se presentan en una variedad de diferentes formatos? ¿Cómo elegir el modelo adecuado para gestionar tus datos?

¿No sabes por dónde empezar? No te desanimes. Un flujo de trabajo sistemático te ayudará a empezar sin problemas.

Descarga el e-book para avanzar paso a paso, desde lo mas básico hasta los algoritmos y las técnicas más avanzadas.

Sección 1: Introducción a Machine Learning

Aprende los conceptos básicos del aprendizaje automático, incluyendo el aprendizaje supervisado y no supervisado y elige el algoritmo correcto a través de ejemplos prácticos.

Sección 2: Cómo iniciarse en Machine Learning

Navega por el flujo de trabajo relacionado con Machine Learning utilizando por ejemplo una aplicación de vigilancia de la salud. Esta sección cubre el acceso y la carga de datos, el pre-procesamiento de datos, la determinación de las características, la formación y la definición de los modelos.

Sección 3: Aprendizaje no supervisado

Compara varios algoritmos de agrupamiento y descubre las técnicas de reducción de dimensionalidad para mejorar el rendimiento del modelo.

Sección 4: Aprendizaje supervisado

Explora los algoritmos de clasificación y regresión y descubre las técnicas para mejorar los modelos, incluyendo la selección de funciones, la transformación de funciones y la optimización de los hiper-parámetros.