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 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

Clustering Jerárquico

Aprendizaje No Supervisado

Clustering Con Kmeans

Aprendizaje No Supervisado

Clustering De Densidad Con Dbscan

Aprendizaje No Supervisado

Reducción De La Dimensionalidad Con Pca

Aprendizaje No Supervisado

Clasificación De Texto Con Scikit Learn

Nlp

Representación De Texto Y Extracción De Características

Nlp

Preprocesamiento De Textos Para Nlp

Nlp

Técnicas Avanzadas De Extracción De Características

Nlp

Análisis De Sentimiento

Nlp

Transformación Y Escalado De Series Temporales

Series Temporales

Preprocesamiento De Datos De Series Temporales

Series Temporales

Introducción Al Análisis De Series Temporales

Series Temporales

Validación Y Evaluación De Modelos En Series Temporales

Series Temporales

Ingeniería De Características Para Series Temporales

Series Temporales

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

Validación Y Evaluación De Modelos

Validación De Modelos

Introducción A Pipelines

Pipelines Y Despliegue

Preprocesamiento De Datos Con Pipelines

Pipelines Y Despliegue

Creación De Pipelines Básicos

Pipelines Y Despliegue

Exportar E Importar Pipelines

Pipelines Y Despliegue

Pipelines Con Columntransformer

Pipelines Y Despliegue

Pipelines Y Validación Cruzada

Pipelines Y Despliegue

Tipo de tecnología

Biblioteca

Categoría laboral

Backend

Año de lanzamiento

2007

Developers

David Cournapeau

Todos los módulos de ScikitLearn

ScikitLearn

Introducción y entorno

ScikitLearn

Preprocesamiento de datos

ScikitLearn

Regresión

ScikitLearn

Clasificación

ScikitLearn

Aprendizaje no supervisado

ScikitLearn

NLP

ScikitLearn

Series temporales

ScikitLearn

Validación de modelos

ScikitLearn

Pipelines y despliegue

ScikitLearn

Evaluación

Ver todos los módulos de ScikitLearn

Otras tecnologías

Vuejs

Frontend

Framework de JS progresivo para construir interfaces de usuario reactivas y modulares.

TypeScript

Full Stack

Superconjunto de JavaScript con tipado estático.

Java

Backend

Lenguaje de programación versátil y multiplataforma.

Seaborn

Ciencia de Datos e Inteligencia artificial

Biblioteca de visualización de datos para Python.

PySpark

Big Data

Motor unificado de análisis de datos distribuido para grandes volúmenes.

CSharp

Backend

Lenguaje de programación de Microsoft para aplicaciones robustas.

SpringBoot

Backend

Framework para desarrollo rápido de aplicaciones Java.

OpenCV

Ciencia de Datos e Inteligencia artificial

Biblioteca de Python para el aprendizaje automático, incluyendo clasificación, regresión, clustering y reducción de dimensionalidad.

Nest

Backend

Framework Node.js para crear aplicaciones escalables y eficientes.

Git

DevOps

Sistema de control de versiones distribuido.

React

Frontend

Librería framework para frontend interfaces de usuario.

Selenium

Testing / QA (Quality Assurance)

Suite de herramientas open-source para automatizar navegadores web y pruebas de software de interfaz de usuario.

Docker

DevOps

Plataforma de contenedores para aplicaciones portátiles.

Go

Backend

Lenguaje de programación eficiente y concurrente creado por Google.

SQL

Administración de bases de datos

Lenguaje para gestionar bases de datos relacionales.

TailwindCSS

Frontend

Framework de utilidades CSS para diseños rápidos y personalizables.

Kotlin

Backend

Lenguaje de programación moderno y seguro para aplicaciones Android.

HTML

Frontend

Lenguaje de marcado para estructurar contenido web.

Numpy

Ciencia de Datos e Inteligencia artificial

Biblioteca Python para computación científica y matrices.

Bash

Administración de sistemas

Intérprete de comandos para sistemas Unix y Linux.

Matplotlib

Ciencia de Datos e Inteligencia artificial

Biblioteca Python para crear gráficos y visualizaciones.

Bootstrap

Frontend

Framework CSS para diseños web responsive y modernos.

Hibernate

Backend

ORM para Java, simplifica el acceso a bases de datos.

JavaScript

Full Stack

Lenguaje de scripting para desarrollo web interactivo.

Pandas

Ciencia de Datos e Inteligencia artificial

Herramienta Python para análisis y manipulación de datos.

Angular

Frontend

Framework web de Google para aplicaciones dinámicas.

CSS

Frontend

Lenguaje de estilo para diseñar páginas web atractivas.

Python

Backend

Lenguaje de programación fácil de aprender y versátil.

Acceder a todas las tecnologías