módulo #1 Introducción al aprendizaje automático Descripción general del aprendizaje automático, tipos de aprendizaje automático e importancia del aprendizaje automático
módulo #2 Fundamentos matemáticos Álgebra lineal, cálculo, probabilidad y estadística
módulo #3 Preprocesamiento de datos Limpieza de datos, escalado de características, normalización y selección de características
módulo #4 Aprendizaje supervisado Introducción al aprendizaje supervisado, la regresión y la clasificación
módulo #5 Regresión lineal Regresión lineal simple y múltiple, función de costo y descenso de gradiente
módulo #6 Regresión logística Regresión logística, función sigmoidea y función de costo
módulo #7 Árboles de decisión Introducción a los árboles de decisión, la entropía y la ganancia de información
módulo #8 Bosques aleatorios Aprendizaje de conjunto, bosques aleatorios y ajuste de hiperparámetros
módulo #9 Máquinas de vectores de soporte Introducción a las SVM, el truco del núcleo y el margen blando SVMs
módulo #10 Aprendizaje no supervisado Introducción al aprendizaje no supervisado, agrupamiento y reducción de dimensionalidad
módulo #11 Agrupamiento K-Means Algoritmo de agrupamiento K-means, función de costo y algoritmo Lloyds
módulo #12 Agrupamiento jerárquico Agrupamiento jerárquico, agrupamiento aglomerativo y divisivo
módulo #13 Análisis de componentes principales Introducción a PCA, autovalores y autovectores
módulo #14 Fundamentos del aprendizaje profundo Introducción al aprendizaje profundo, redes neuronales y perceptrón
módulo #15 Redes neuronales convolucionales Introducción a CNN, capas convolucionales y capas de agrupamiento
módulo #16 Redes neuronales recurrentes Introducción a RNN, LSTM y GRU
módulo #17 Procesamiento del lenguaje natural Introducción a NLP, preprocesamiento de texto e incrustaciones de palabras
módulo #18 Evaluación y análisis de modelos»},{«Aprendizaje ... Selección Métricas para evaluación, sobreajuste y técnicas de selección de modelos
módulo #19 Ajuste de hiperparámetros Introducción al ajuste de hiperparámetros, búsqueda en cuadrícula y búsqueda aleatoria
módulo #20 Implementación de modelos Implementación de modelos de aprendizaje automático, servicio de modelos y consideraciones
módulo #21 Ética y equidad en el aprendizaje automático Sesgo y equidad en el aprendizaje automático, ética y transparencia
módulo #22 Estudios de caso en aprendizaje automático Aplicaciones del mundo real del aprendizaje automático, estudios de caso y proyectos
módulo #23 Temas avanzados en aprendizaje automático Temas avanzados en aprendizaje automático, incluido el aprendizaje de refuerzo y los modelos generativos
módulo #24 Resumen y conclusión del curso Planificación de los próximos pasos en la carrera de Machine Learning
