本課程是 Ciencia de datos 專項課程專項課程的一部分

4.8

星

17 個評分

Haydemar Nuñez Castro

提供方

Ciencia de datos 專項課程安第斯大学

課程信息

6,622 次近期查看

Este curso te va a brindar conocimientos, tanto teóricos como prácticos, para que puedas construir modelos predictivos utilizando técnicas de aprendizaje automático (en inglés, machine learning). Estos modelos nos permiten anticipar en alguna medida eventos futuros y, en consecuencia, pueden ser utilizados para apoyar la toma de decisiones en las organizaciones y, en general, en cualquier dominio de aplicación.   
El curso consta de 4 módulos, cada uno de una semana, en los cuales vas a tener la oportunidad de conocer y analizar diferentes casos de estudio con el objetivo de que tengas un panorama amplio de las aplicaciones de los modelos predictivos.  

En el primer módulo estudiaremos algunos fundamentos del aprendizaje automático y te mostraremos ejemplos de proyectos que pueden ser realizados con estas técnicas. El segundo módulo lo dedicaremos a la tarea de regresión y cómo construir modelos de predicción numérica con algoritmos lineales. A continuación, en el tercer módulo, estudiaremos algunos conceptos importantes en el aprendizaje supervisado, como la complejidad de modelos y la capacidad de generalización. Veremos entonces algunas técnicas que te permitirán mejorar el rendimiento de tus modelos. Por último, en el cuarto módulo, estudiaremos la tarea de clasificación y cómo construir modelos predictivos con algoritmos basados en árboles de decisión. 

Este curso está pensado para personas de diferentes disciplinas que quieran adentrarse en el mundo del aprendizaje automático y sus aplicaciones en el análisis de información, que estén iniciando estudios universitarios o con un título profesional. El aspirante a tomar este curso puede provenir de cualquier campo del conocimiento y estar incorporado en cualquier ámbito industrial, empresarial o académico.   

Este curso requiere la instalación de un programa especial (Anaconda/Jupyter Notebook). Es recomendable que el equipo cuente con más de 4GB de RAM y espacio en disco duro superior a 1GB.

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 2 門課程（共 3 門）

Ciencia de datos 專項課程

初級

Conocimientos básicos en programación en Python, conocimientos básicos en probabilidad y estadística. lectura en inglés.

完成時間大約為21 小時

西班牙語（Spanish）

您將學到的內容有

Comprender qué es el aprendizaje automático y los tipos de problemas que pueden resolverse con estas técnicas.
Construir modelos predictivos con base en los objetivos de negocio y los datos disponibles, con herramientas de aprendizaje automático en Python.
Entender el proceso para desarrollar un proyecto basado en datos, desde la formulación del problema hasta la evaluación e interpretación del modelo.

您將獲得的技能

manejo de librerías basadas en python para el aprendizaje automático en el ambiente Jupyter Notebook
empleo de una metodología para el desarrollo de proyectos basados en datos
Desarrollo de modelos de regresión y clasificación para el análisis de información

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 2 門課程（共 3 門）

Ciencia de datos 專項課程

初級

Conocimientos básicos en programación en Python, conocimientos básicos en probabilidad y estadística. lectura en inglés.

完成時間大約為21 小時

西班牙語（Spanish）

授課教師

Haydemar Nuñez Castro

Profesora visitante

Departamento de Ingeniería de Sistemas y Computación

998 個學生

1 門課程

提供方

安第斯大学

授課大綱 - 您將從這門課程中學到什麼

週

週 1

完成時間為 6 小時

Fundamentos del aprendizaje automático

Bienvenido al primer módulo del curso. Aquí te voy a mostrar, a través del estudio de algunos casos de uso, qué es el aprendizaje automático y cuáles son las características de los proyectos que pueden ser realizados con estás técnicas. Además, conocerás algunas áreas de aplicación del aprendizaje automático y sabrás diferenciar los diversos contextos de aprendizaje, supervisado y no supervisado, así como sus tareas asociadas. También tendrás la oportunidad de conocer el proceso de aprendizaje a través de una metodología y cuáles son algunas herramientas, en el lenguaje de programación Python, que puedes utilizar para la implementación de este tipo de proyectos.

完成時間為 6 小時

7 個視頻（總計 47 分鐘）, 7 個閱讀材料, 2 個測驗

7 個視頻

Introducción al curso5分鐘

Anaconda y su instalación12分鐘

Introducción al Módulo 14分鐘

¿Cómo podemos definir el AA (Aprendizaje Automático)?7分鐘

Los tipos de aprendizaje y sus tareas7分鐘

Caso de uso Gestión de riesgos ambientales 2分鐘

Un ejemplo sobre un conjunto de datos (cargar, describir, visualizar, ...)8分鐘

7 個閱讀材料

Presentación del curso20分鐘

Recomendaciones para tener éxito en el curso15分鐘

Problemas técnicos10分鐘

Determina una problemática de interés ¿Puede resolverse con AA (Aprendizaje Automático)?30分鐘

¿Cuál será nuestro proyecto?15分鐘

Modelos predictivos en el sector retail.10分鐘

A practicar Cargar, describir y visualizar un conjunto de datos30分鐘

2 個練習

Preparándonos para continuar15分鐘

¿Qué hemos aprendido?45分鐘

週

週 2

完成時間為 5 小時

Tarea de regresión

Bienvenido al segundo módulo del curso, el cual lo dedicaremos al estudio de la tarea de regresión. Aprenderás cómo resolver un problema de predicción numérica utilizando el algoritmo de regresión lineal, tanto simple como de múltiples variables. También conocerás algunas métricas que te permitirán medir el rendimiento del modelo generado, así como técnicas para determinar la calidad de las predicciones para datos nuevos. Por último, aplicarás estos conceptos a un caso utilizando la librería de aprendizaje automático scikit-learn.

完成時間為 5 小時

4 個視頻（總計 31 分鐘）, 6 個閱讀材料, 2 個測驗

4 個視頻

Introducción al Módulo 22分鐘

¿Cómo resolver un problema de regresión?4分鐘

Regresión lineal simple8分鐘

¿Y cómo implementar el proceso? La regresión lineal con scikit-learn14分鐘

6 個閱讀材料

¿Cuáles son las aplicaciones de la regresión?10分鐘

¿Cómo interpretar el modelo de regresión lineal simple?15分鐘

¿Cómo interpretar el modelo de regresión lineal múltiple?10分鐘

¿Cómo interpretar las métricas de rendimiento para regresión?10分鐘

A practicar. Proceso de aprendizaje completo sobre un conjunto de datos30分鐘

Manos a la obra, a aplicar lo visto en el proyecto45分鐘

2 個練習

Preparándonos para continuar15分鐘

¿Qué hemos aprendido?45分鐘

週

週 3

完成時間為 5 小時

Complejidad de modelos y capacidad de generalización

Bienvenido al tercer módulo del curso, en el cual vamos a estudiar algunas técnicas que te permitirán mejorar el rendimiento de los modelos predictivos. En primer lugar, veremos una trasformación que habilita el uso de la regresión lineal en problemas no lineales. Luego, presentaremos un concepto muy importante en al aprendizaje a partir de datos, la complejidad de modelos, y discutiremos cómo este puede afectar el rendimiento de generalización. También aprenderás qué es la regularización y cómo funciona como método de control de complejidad. Conocerás las versiones regularizadas de la regresión lineal y cómo ajustar hiperparámetros con técnicas de validación. Por último, tendrás la oportunidad de aplicar estos conceptos a un caso utilizando la librería scikit-learn.

完成時間為 5 小時

5 個視頻（總計 33 分鐘）, 6 個閱讀材料, 2 個測驗

5 個視頻

Introducción al Módulo 33分鐘

La regresión polinomial en scikit-learn: caso una sola variable7分鐘

La regresión polinomial en scikit-learn: caso con múltiples variables5分鐘

Regresión regularizada. Caso Ridge.9分鐘

Regresión regularizada. Caso Lasso.5分鐘

6 個閱讀材料

Transformación polinomial: interacciones entre variables10分鐘

A practicar. Regresión polinomial sobre un conjunto de datos30分鐘

Menos es más: complejidad y generalización10分鐘

Regularización en regresión lineal.15分鐘

Actividad A practicar. Regresión regularizada sobre un conjunto de datos 30分鐘

Manos a la obra, a aplicar lo visto en el proyecto45分鐘

2 個練習

Preparándonos para continuar15分鐘

¿Qué hemos aprendido?30分鐘

週

週 4

完成時間為 5 小時

Tarea de clasificación

Bienvenido al último módulo del curso, en el cual estudiaremos la tarea de clasificación. Aprenderás cómo un algoritmo de aprendizaje resuelve un problema de este tipo y veremos en acción uno muy popular, los árboles de decisión. También conocerás algunas métricas para evaluar este tipo de modelos y cuál es la base a partir de la cual se derivan. Además, aplicarás los conceptos vistos sobre complejidad y ajuste de hiperparámetros para construir modelos basados en árboles de decisión con buenas capacidades de generalización. Por último, resolverás un caso utilizando la librería de aprendizaje automático scikit-learn. Para cerrar, tendrás la oportunidad de comprender las implicaciones éticas en el desarrollo de soluciones a partir de datos.

完成時間為 5 小時

6 個視頻（總計 42 分鐘）, 7 個閱讀材料, 2 個測驗

6 個視頻

Introducción al Módulo 43分鐘

¿Cómo resolver un problema de clasificación?7分鐘

Clasificación con árboles de decisión6分鐘

Arboles de decisión en scikit learn. Construcción e interpretación.11分鐘

¿Y cómo implementar el proceso? Árboles de decisión: ajuste de hiperparámetros y evaluación.11分鐘

Cierre del curso1分鐘

7 個閱讀材料

¿Cuáles son las aplicaciones de la clasificación?10分鐘

Algo más sobre algoritmos de árboles de decisión.10分鐘

A practicar. Modelos basados en árboles de decisión partir de un conjunto de datos30分鐘

A practicar. Árboles de decisión a partir de un conjunto de dato: construcción, búsqueda de la complejidad y evaluación.30分鐘

Manos a la obra, a aplicar lo visto en el proyecto.45分鐘

Aspectos éticos en la Inteligencia Artificial30分鐘

Actividad: ¿Cuándo no se sigue la ética en el aprendizaje automático?30分鐘

2 個練習

Preparándonos para continuar30分鐘

¿Qué hemos aprendido?30分鐘

關於 Ciencia de datos 專項課程

Este programa en ciencia de datos te permite conocer y desarrollar las principales habilidades técnicas para aportar como miembro de un equipo en un proyecto de ciencia de datos. Estas habilidades cada vez son más apetecidas por el mercado y es por ello que nuestros temas incluyen conocimientos básicos en modelos descriptivos basados en estadística, modelos predictivos basados en aprendizaje de máquina, y técnicas para integrar, explorar y preparar datos, tanto estructurados como no estructurados, utilizando el lenguaje de programación Python y librerías de manipulación y análisis de datos.

常見問題

我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。
¿Debo pagar para inscribirme al curso?
Al inscribirte al curso puedes elegir la opción que más te interese, bien sea auditarlo, en cuyo caso tendrás acceso al contenido del curso de forma gratuita; o con certificación, en cuyo caso deberás realizar algunas evaluaciones adicionales obligatorias y cumplir con los demás requisitos de la plataforma (hacer la verificación de identidad al presentar las evaluaciones obligatorias, lograr el porcentaje mínimo para pasar el curso y pagar directamente a Coursera el precio de la certificación anunciado en la plataforma).
¿Quién emite el certificado y cómo puedo obtenerlo?
El certificado de participación lo emite Coursera directamente. Puedes adquirirlo siempre y cuando cumplas con los tres requisitos siguientes: presentar las evaluaciones adicionales obligatorias, hacer la verificación de identidad al presentarlas, lograr el porcentaje mínimo para pasar el curso y pagar el precio anunciado por la plataforma.
¿Cómo puedo pagar por el certificado?
Una vez cumplidos los requisitos para la obtención del certificado, debes realizar el pago directamente a Coursera. Ten en cuenta que actualmente las plataformas sólo permiten pagos con tarjetas de crédito internacionales; pero esperamos que pronto activen nuevas alternativas. En caso de que no cuentes con este medio de pago (tarjeta de crédito internacional), puedes solicitar ayuda financiera directamente a la plataforma a través de la opción "Learn more and apply" (Aprender más y aplicar) en la sección "Financial Aid" (Ayuda Financiera) que encuentras debajo del botón de inscripción "Enroll" (Inscribirse). Allí tendrás que completar una aplicación muy sencilla; ningún otro documento o trámite es necesario.
¿Qué información contiene el certificado?
El certificado de participación se expide con el logo de la Universidad de los Andes y el de la plataforma, da cuenta de la participación del estudiante en el curso indicando las horas de trabajo semanal estimadas y está firmado por el profesor de la Universidad. En ningún caso, el certificado representa créditos académicos que puedan ser homologados en programas presenciales o en modalidad híbrida de la Universidad de los Andes.
Tengo problemas con mi cuenta, mi inscripción y acceso al curso, el pago u obtención del certificado ¿quién puede ayudarme?
Los asuntos relacionados con tu cuenta en Coursera, tu inscripción y acceso al curso, el pago y emisión del certificado, entre otros, son gestionados por la plataforma directamente, por lo que te sugerimos contactarlos (en español o inglés) al "Learner Help Center" (Centro de ayuda al estudiante) en:
https://learner.coursera.help/hc/es/categories/201216173#section_0.
Tuve que suspender mi estudio y no sé cómo regresar al curso ¿qué hago para retomar mi estudio?
El curso está diseñado para que usted avance al ritmo que más le convenga. Si debe suspender y quiere retomar el curso después, solo debe ingresar al curso como lo hacía antes y continuar o volver a empezar para refrescar lo que ya había hecho. No se preocupe si la plataforma le muestra las tareas que tiene atrasadas, es solo una guía. Sin embargo, tenga en cuenta que puede que el grupo de estudiantes que inició el curso al tiempo que usted ya vaya más adelante, por lo que es posible que nadie esté activo en los foros o las actividades de revisión por pares. Si desea unirse a un grupo que esté activo en ese momento, solo debe pasarse a una nueva sesión, dando clic en el botón Restablecer mis fechas límite (Reset my deadlines) que parece en la franja de color superior de la página un vistazo (Overview) dentro del curso.
Quiero conocer más acerca de la Universidad de los Andes, ¿dónde encuentro información?
Si quieres conocer más sobre la Universidad de los Andes, puedes consultar los siguientes vínculos:
- Video promocional: https://www.youtube.com/watch?v=J98GEwFJYms
- Página oficial: http://www.uniandes.edu.co
- Admisiones y registro: https://registro.uniandes.edu.co/index.php/scouting/ipor-queestudiar-en-uniandes
Contáctanos en la Cra 1 Nº 18A- 12 Bogotá, (Colombia). Código postal 111711 Bogotá, Colombia; por correo electrónico en infofcom@uniandes.edu.co; o por teléfono en +571 3394949, +571 3394999, extensiones 3301, 5050 y 1649.
¿Cómo obtengo ayuda de Coursera?
A continuación encuentras algunos links de ayuda en Coursera:
- Ayuda con certificados y demás preguntas (Ayuda al Estudiante o Learner Help Center): https://learner.coursera.help/hc/en-us
- ¿Cómo inscribirse en un curso?: https://learner.coursera.help/hc/es/articles/209818603-Inscribirse-en-un-curso
- Opciones de inscripción a un curso o programa especializado: https://learner.coursera.help/hc/es/articles/209818613
- ¿Cómo puedo pagar por el certificado de un curso o programa especializado?: https://learner.coursera.help/hc/es/articles/208280146-Pay-for-a-course-or-Specialization
- ¿Cuándo empiezan los cursos?:
https://learner.coursera.help/hc/es/articles/208279766
- ¿Cómo solicito ayuda económica?:
https://learner.coursera.help/hc/es/articles/209819033-Solicitar-
- Ayuda económica
- ¿Qué cursos ofrece la Universidad de los Andes en Coursera?:
https://www.coursera.org/uniandes
¿Cómo puedo obtener un certificado gratuito si soy estudiante, trabajador o profesor de la Universidad de los Andes?
Si eres estudiantes de pregrado y posgrado, personal académico y/o personal administrativo de la Universidad de los Andes, puedes certificarte de forma completamente gratuita cuando completes un MOOC de la Universidad de los Andes, del Tecnológico de Monterrey o de la Pontificia Universidad Católica de Chile, gracias a la alianza que formaron estas universidades, denominada La Tríada. Para lograrlo, debes ingresar al portal de la Tríada en Coursera: https://coursera.org/programs/la-triada-fegw7 y hacer clic en el botón de “Únete de forma gratuita”. Luego en “Inicia sesión con UNIVERSIDAD DE LOS ANDES” (utiliza tu usuario y clave de correo electrónico DE UNIANDES para ingresar. Regístrate como “Soy un usuario nuevo” (así tu cuenta de Coursera esté asociada a tu correo Uniandes). Únete al programa, revisa la oferta y disfruta de los MOOCs y programas de La Tríada. Para aclarar este proceso, ingresa a: https://moocs.uniandes.edu.co/la-triada-en-coursera/, donde encontrarás un video con el paso a paso, respuestas a las preguntas frecuentes y un email de soporte en caso de que necesites ayuda.

還有其他問題嗎？請訪問學生幫助中心。

Modelos predictivos con aprendizaje automático

課程信息

您將學到的內容有

您將獲得的技能