Curso Scikit Learn

Scikit-learn es la biblioteca de referencia para machine learning tabular en Python. En proyectos B2B cubre los casos más habituales fuera del deep learning: scoring crediticio, detección de fraude en transacciones, predicción de demanda y forecasting de series, recomendadores de catálogo, pricing dinámico, clasificación de tickets de soporte por NLP y segmentación de clientes por clustering. Se apoya en NumPy, SciPy y Matplotlib y se integra de forma nativa con Pandas 2.2+ y con el stack moderno de MLOps (MLflow, SHAP, ONNX).

La versión 1.5+ consolida patrones clave para producción: HistGradientBoostingClassifier y HistGradientBoostingRegressor con soporte nativo de valores faltantes y variables categóricas, HalvingRandomSearchCV para búsqueda de hiperparámetros que escala mejor que GridSearchCV, set_output(transform="pandas") en transformers para que el flujo mantenga DataFrames con nombres de columna, y la normalización de la API hacia el estándar Array API para interoperabilidad con PyTorch, JAX y CuPy.

Qué incluye este itinerario

• Preprocesado: imputación, escalado, codificación de categóricas (OneHotEncoder, OrdinalEncoder, TargetEncoder), ingeniería y selección de features, particionamiento y tratamiento de desbalanceo con imbalanced-learn.
• Regresión: lineal, polinomial, Ridge/Lasso, KNN, SVR, árboles y ensembles, con casos aplicados a predicción de demanda, forecasting y pricing.
• Clasificación: regresión logística, KNN, SVC, árboles, Random Forest y Gradient Boosting, con aplicaciones a scoring crediticio, detección de fraude y clasificación de incidencias.
• No supervisado: KMeans, clustering jerárquico, DBSCAN y reducción de dimensionalidad con PCA y t-SNE para segmentación de clientes y visualización.
• NLP con Scikit-learn: TfidfVectorizer, CountVectorizer, pipelines de clasificación de texto y análisis de sentimiento para soporte técnico, categorización de correos y triage de tickets.
• Series temporales: ingeniería de features de lag, validación cruzada temporal con TimeSeriesSplit, normalización y casos aplicados a demanda minorista.
• Validación y ajuste: métricas de clasificación y regresión, validación cruzada estratificada, GridSearchCV, RandomizedSearchCV y HalvingRandomSearchCV.
• Pipelines y despliegue: Pipeline, ColumnTransformer, persistencia con joblib y patrones para empaquetar un modelo como servicio REST con FastAPI.
• Boosting moderno y MLOps: XGBoost, LightGBM y CatBoost integrados como estimadores de Scikit-learn, explicabilidad con SHAP y tracking de experimentos con MLflow para auditoría y despliegue controlado.

Público objetivo

• Equipos de datos y data engineers que necesitan entregar modelos predictivos en producción.
• Científicos de datos que migran notebooks a servicios trazables con MLflow y validados con SHAP.
• Equipos de riesgo, operaciones y comercial que usan ML sobre datos tabulares para scoring, fraude, forecasting o recomendación.
• Desarrolladores backend que integran modelos Scikit-learn como microservicios FastAPI.