|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/2master-en-ciencia-de-datos-datascience/
课程评论：没有评论
课程总结：数据科学硕士课程 本课程旨在为学员提供全面的机器学习（Machine Learning）基础，帮助他们掌握数据科学和预测分析所需的技能。课程内容包括： 1. **机器学习简介**：学习机器学习的基本原理、应用及其解决的问题类型。 2. **分类与回归评估指标**：掌握如何通过精度、召回率、F1-score、均方根误差（RMSE）和平均绝对误差（MAE）等指标评估模型的表现，确保对结果的正确解读。 3. **线性模型与决策树**：深入探讨线性回归、逻辑回归和决策树的工作原理及其实际应用。 4. **变量的重平衡与重校准**：学习如何处理不平衡数据，并改善模型中变量的表现。 5. **支持向量机与朴素贝叶斯**：分析这些分类算法及其在不同类型数据中的优势。 6. **K最近邻与提升算法**：研究KNN以及高级技术如AdaBoost、Gradient Boosting和XGBoost，将理论与实际应用结合于回归问题中。 7. **实践项目**： - 房地产评估（回归）：使用回归模型预测房产的价值，依据区域、面积、房龄等特征。 - 客户流失预测（分类）：实施分类模型，识别客户流失的模式，优化客户留存策略。 通过本课程的学习，学员将获得扎实的机器学习知识，结合理论与实践，培养可应用于数据科学和预测分析的技能。
cupón JUNIO: 03268CC0C01D53C5F76AIntroducción al Machine LearningComprenderás los principios fundamentales del aprendizaje automático, sus aplicaciones y los tipos de problemas que resuelve.Métricas de Evaluación para Clasificación y RegresiónAprenderás a evaluar modelos mediante métricas como precisión, recall, F1-score, RMSE y MAE, asegurando su correcta interpretación.Modelos Lineales y Árboles de DecisiónExplorarás modelos como regresión lineal, regresión logística y árboles de decisión, entendiendo su funcionamiento y aplicaciones.Rebalanceo y Recalibrado de VariablesDescubrirás estrategias para manejar datos desbalanceados y mejorar la representación de variables en los modelos.Máquinas de Vectores de Soporte y Naïve BayesAnalizarás estos algoritmos de clasificación y sus ventajas en distintos tipos de datos.K Vecinos Más Cercanos y Algoritmos de BoostingEstudiarás KNN y técnicas avanzadas como AdaBoost, Gradient Boosting y XGBoost, aplicando su teoría y práctica en problemas de regresión.Proyectos PrácticosTasación de Viviendas (Regresión)Aplicarás modelos de regresión para predecir el valor de inmuebles en función de características como ubicación, tamaño y antigüedad.Abandono de Clientes (Clasificación)Implementarás modelos de clasificación para identificar patrones que indiquen la probabilidad de que un cliente deje un servicio, optimizando estrategias de retención.Este curso te brindará una formación integral en Machine Learning, combinando teoría y práctica para desarrollar habilidades aplicables en ciencia de datos y análisis predictivo.
