Clasificadores lineales en Python
6 capítulos · 46 lecciones
≈ 12 h
Certificado de seguimiento
Ajustable por su empresa, mediante presupuesto y factura
Cree su cuenta gratuita
11 lecciones abiertas, sin tarjeta bancaria.
Crear mi cuenta
Ya tengo una cuenta
Tus datos están alojados en la Unión Europea. Confidencialidad
Descripción
Cómo se desarrolla el curso
Cada lección es un texto estructurado, ilustrado con ejemplos y esquemas, seguido de un cuestionario corregido automáticamente. Avanzas a tu ritmo, y tus notas quedan vinculadas a la lección en la que las tomaste.
¿Este formato le conviene?
Ver la primera lección11 lecciones abiertas, sin tarjeta bancaria.
Programa
6 capítulos, 46 lecciones
- 2. Repaso de los fundamentos de scikit-learnabierto
- 2. Descubrir la clasificación KNNabierto
- 2. Comparar el rendimiento de los modelosabierto
- 2. Comprender el sobreajusteabierto
- 2. Aplicar la regresión logística y las SVMabierto
- 2. Usar LogisticRegression y SVCabierto
- 2. Realizar un análisis de sentimiento sobre reseñas de películasabierto
- 2. Comprender los clasificadores linealesabierto
- 2. Identificar las fronteras de decisión linealesabierto
- 2. Visualizar las fronteras de decisiónabierto
- 3. Estudiar los coeficientes de los clasificadores linealesseguidores
- 3. Comprender cómo los modelos producen sus prediccionesseguidores
- 3. Modificar los coeficientes de un modeloseguidores
- 3. Descubrir el concepto de función de pérdidaseguidores
- 3. Comprender la función de pérdida 0-1seguidores
- 3. Aprender a minimizar una función de pérdidaseguidores
- 3. Visualizar las distintas funciones de pérdidaseguidores
- 3. Explorar las funciones de pérdida en clasificaciónseguidores
- 3. Comparar las funciones de pérdida logística y hingeseguidores
- 3. Implementar un modelo de regresión logísticaseguidores
- 4. Comprender la regularización en regresión logísticaseguidores
- 4. Poner en práctica una regresión logística regularizadaseguidores
- 4. Utilizar la regresión logística para seleccionar las variablesseguidores
- 4. Identificar las palabras más positivas y las más negativasseguidores
- 4. Comprender las probabilidades en la regresión logísticaseguidores
- 4. Extraer las probabilidades de pertenencia a las clasesseguidores
- 4. Estudiar el efecto de la regularización sobre las probabilidadesseguidores
- 4. Visualizar ejemplos de clasificación simples y complejosseguidores
- 4. Descubrir la regresión logística multiclaseseguidores
- 4. Determinar el número de coeficientesseguidores
- 4. Ajustar un modelo de regresión logística multiclaseseguidores
- 4. Visualizar los resultados de la regresión logística multiclaseseguidores
- 4. Aplicar la estrategia SVM uno contra todosseguidores
- 5. Comprender los vectores de soporteseguidores
- 5. Identificar los vectores de soporteseguidores
- 5. Estudiar el efecto de la eliminación de ciertas observacionesseguidores
- 5. Descubrir las SVM con núcleoseguidores
- 5. Empezar a usar GridSearchCVseguidores
- 5. Optimizar simultáneamente los parámetros gamma y C con GridSearchCVseguidores
- 5. Comparar la regresión logística, las SVM y otros métodosseguidores
- 5. Identificar las ventajas de las SVMseguidores
- 5. Identificar las ventajas de la regresión logísticaseguidores
- 5. Usar el modelo SGDClassifierseguidores
- 5. Para concluirseguidores
Qué está incluido
Todo lo que acompaña a las lecciones
46 leccionesIlustradas con ejemplos y esquemas.
Cuestionario en cada lecciónCorrecciones inmediatas; solo cuenta su mejor puntuación.
Sus notasTomadas en las lecciones, localizadas por sección.
Preguntas del cursoPlantéelas en la lección: el equipo y los estudiantes responden.
Seguimiento del progresoPor sección, con sus resultados en los cuestionarios.
Certificado verificableNominativo, con un código único.
Ritmo
Cuánto tiempo, según su disponibilidad
Puedo dedicarle, por semana:
Certificado
Lo que obtiene al final
CERTIFICADO DE APROBACIÓNClasificadores lineales en Pythonexpedido a su nombre
Código únicoVerificable en línea
Cuando el curso termina, el certificado de asistencia se emite a su nombre. Su código permite a un reclutador verificarlo en pocos segundos.
No es un título ni una certificación profesional; es la prueba verificable de que ha seguido y superado este curso.
Autor
Quién escribe este curso
ÉQ
Equipo DATAGOZ
Formador · DATAGOZ
Una pedagogía clara y aplicada, con ejemplos concretos para aprender de forma eficaz.
Preguntas
Antes de empezar
Ningún requisito previo: el curso parte de los fundamentos.
Mientras su suscripción esté activa. Si la cancela, su progreso y sus certificados se conservan.
Un certificado de asistencia de DATAGOZ, nominativo y verificable en línea mediante su código. No es un título.
Accesibilidad. ¿Tiene alguna discapacidad? Escriba a contact@datagoz.com: estudiaremos con usted las adaptaciones posibles.
Empieza este curso hoy
11 lecciones abiertas, sin tarjeta bancaria. Verás el nivel y el tono antes de decidir.