Curso de programación con ScikitLearn

Scikit-Learn es esencial para machine learning en Python. Aprende a implementar algoritmos de aprendizaje automático y análisis de datos con Scikit-Learn.

Aprende ScikitLearn GRATIS y certifícate

Scikit-learn es una biblioteca de aprendizaje automático de código abierto para el lenguaje de programación Python. Proporciona herramientas simples y eficientes para el análisis y la minería de datos. Scikit-learn está construido sobre NumPy, SciPy y matplotlib, lo que le permite integrarse fácilmente con otras bibliotecas científicas y matemáticas.

Características principales de scikit-learn:

Modelos de aprendizaje supervisado: Incluye algoritmos para clasificación y regresión, como máquinas de soporte vectorial (SVM), regresión logística, árboles de decisión, bosques aleatorios, k-vecinos más cercanos (KNN), entre otros.
Modelos de aprendizaje no supervisado: Proporciona herramientas para clustering (agrupamiento), como k-means, jerárquico y DBSCAN, así como para reducción de dimensionalidad, como análisis de componentes principales (PCA) y análisis discriminante lineal (LDA).
Evaluación de modelos: Ofrece métricas para evaluar el rendimiento de los modelos, como precisión, recall, F1-score, curvas ROC y AUC, y técnicas de validación cruzada para evaluar la generalización de los modelos.
Preprocesamiento de datos: Incluye funciones para la normalización, estandarización, imputación de valores faltantes, codificación de variables categóricas, y selección de características.
Pipeline: Permite encadenar múltiples transformaciones y modelos en un solo flujo de trabajo, facilitando el manejo y la evaluación de diferentes etapas del procesamiento de datos.
Optimización de hiperparámetros: Proporciona herramientas para buscar y ajustar los mejores parámetros para los modelos mediante técnicas como GridSearchCV y RandomizedSearchCV.

Aprende ScikitLearn GRATIS online

Tutoriales de ScikitLearn

Aprende ScikitLearn con tutoriales de programación en ScikitLearn.

Aprendizaje Automático

Introducción Y Entorno

Introducción E Instalación

Introducción Y Entorno

Introducción Al Preprocesamiento De Datos

Preprocesamiento De Datos

Identificación Y Tratamiento De Valores Faltantes

Preprocesamiento De Datos

Escalado De Datos

Preprocesamiento De Datos

Normalización De Datos

Preprocesamiento De Datos

Codificación De Variables Categóricas

Preprocesamiento De Datos

Ingeniería De Características

Preprocesamiento De Datos

Selección De Características

Preprocesamiento De Datos

Extracción De Características

Preprocesamiento De Datos

Particionamiento De Datos

Preprocesamiento De Datos

Preprocesamiento De Datos Desbalanceados

Preprocesamiento De Datos

Introducción A La Regresión

Regresión

Regresión Lineal

Regresión

Regresión Knn Kneighborsregressor

Regresión

Regresión Svm Con Svr

Regresión

Regresión Con Árboles Decisiontreeregressor

Regresión

Regresión Con Algoritmos De Conjunto

Regresión

Introducción A La Clasificación

Clasificación

Clasificación Con Regresión Logística

Clasificación

Clasificación Knn Kneighborsclassifier

Clasificación

Clasificación Svm Con Svc

Clasificación

Clasificación Con Árboles Decisiontreeclassifier

Clasificación

Clasificación Con Algoritmos De Conjunto

Clasificación

Reducción De La Dimensionalidad Con Pca

Aprendizaje No Supervisado

Clustering Con Kmeans

Aprendizaje No Supervisado

Clustering Jerárquico

Aprendizaje No Supervisado

Clustering De Densidad Con Dbscan

Aprendizaje No Supervisado

Preprocesamiento De Textos Para Nlp

Nlp

Representación De Texto Y Extracción De Características

Nlp

Clasificación De Texto Con Scikit Learn

Nlp

Análisis De Sentimiento

Nlp

Técnicas Avanzadas De Extracción De Características

Nlp

Introducción Al Análisis De Series Temporales

Series Temporales

Preprocesamiento De Datos De Series Temporales

Series Temporales

Ingeniería De Características Para Series Temporales

Series Temporales

Transformación Y Escalado De Series Temporales

Series Temporales

Validación Y Evaluación De Modelos En Series Temporales

Series Temporales

Validación Y Evaluación De Modelos

Validación De Modelos

Técnicas De Validación Cruzada

Validación De Modelos

Métricas De Regresión

Validación De Modelos

Métricas De Clasificación

Validación De Modelos

Ajuste De Hiperparámetros

Validación De Modelos

Introducción A Pipelines

Pipelines Y Despliegue

Creación De Pipelines Básicos

Pipelines Y Despliegue

Preprocesamiento De Datos Con Pipelines

Pipelines Y Despliegue

Pipelines Y Validación Cruzada

Pipelines Y Despliegue

Pipelines Con Columntransformer

Pipelines Y Despliegue

Exportar E Importar Pipelines

Pipelines Y Despliegue

Ejercicios de programación de ScikitLearn

Evalúa tus conocimientos en ScikitLearn con ejercicios de programación ScikitLearn de tipo Test, Puzzle, Código y Proyecto con VSCode.