IBM - Introducción al Machine Learning

Descripción

Aprende los conceptos esenciales de machine learning: aprendizaje supervisado y no supervisado, selección de características y evaluación.
Practicarás con Python y librerías populares para preparar datos, entrenar modelos y analizar resultados.
Culmina con proyectos prácticos aplicados a problemas reales.

• EDA, limpieza y preparación de datos para ML.
• Regresión y clasificación con métricas y regularización.
• Clustering y reducción de dimensionalidad.
• Buenas prácticas y proceso de modelado de punta a punta.

CURSO 1: Exploración de datos para ML —
• Recolección, limpieza, ingeniería de características y pruebas de hipótesis.

CURSO 2: ML supervisado: Regresión —
• Métricas y regularización (Ridge, LASSO, Elastic Net).

CURSO 3: ML supervisado: Clasificación —
• Logística, árboles y ensamblados; clases desbalanceadas.

CURSO 4: ML no supervisado —
• Clustering (K‑means, DBSCAN) y PCA.

CURSO 5: Introducción a Deep Learning y RL —
• Redes neuronales y arquitecturas modernas.

CURSO 6: Proyecto final —
• Sistema de recomendación y presentación de resultados.