Machine Learning

---

Contenidos

Introducción a Machine Learning

Machine Learning es un campo de la inteligencia artificial que permite a las máquinas aprender y tomar decisiones basadas en datos. Este curso abarca las técnicas y algoritmos fundamentales para construir modelos predictivos, clasificar información, identificar patrones y analizar series temporales.

Regresión

La regresión es una técnica de Machine Learning supervisado que se utiliza para predecir un valor numérico continuo basado en una o más variables independientes. Se exploran métodos como la regresión lineal, regresión polinómica y modelos avanzados como la regresión Ridge y Lasso.

Clasificación

La clasificación es otra técnica de Machine Learning supervisado utilizada para asignar etiquetas a nuevas observaciones basándose en ejemplos etiquetados previamente. Este curso cubre algoritmos populares como el k-NN, árboles de decisión, máquinas de soporte vectorial (SVM), y redes neuronales.

Modelos No Supervisados

Los modelos no supervisados se utilizan cuando no se dispone de etiquetas para los datos. Este curso incluye técnicas como el clustering, análisis de componentes principales (PCA) y modelos de mezcla gaussiana, que son fundamentales para descubrir patrones ocultos y estructura en los datos.

Series Temporales

El análisis de series temporales se centra en la predicción de datos secuenciales a lo largo del tiempo. Este curso explora modelos de series temporales como ARIMA, modelos de suavizado exponencial y redes neuronales recurrentes (RNN), que son esenciales para aplicaciones como la predicción de ventas y análisis de tendencias.