This course is part of the Ciencia de datos Specialization

4.8

stars

17 ratings

Haydemar Nuñez Castro

Offered By

Ciencia de datos SpecializationUniversidad de los Andes

About this Course

6,858 recent views

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.

Flexible deadlines

Reset deadlines in accordance to your schedule.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 2 of 3 in the

Ciencia de datos Specialization

Beginner Level

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

Approx. 20 hours to complete

Spanish

What you will learn

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.

Skills you will gain

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

Flexible deadlines

Reset deadlines in accordance to your schedule.

Shareable Certificate

Earn a Certificate upon completion

100% online

Start instantly and learn at your own schedule.

Course 2 of 3 in the

Ciencia de datos Specialization

Beginner Level

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

Approx. 20 hours to complete

Spanish

Instructor

Haydemar Nuñez Castro

Profesora visitante

Departamento de Ingeniería de Sistemas y Computación

1,200 Learners

1 Course

Offered by

Universidad de los Andes

Syllabus - What you will learn from this course

Week1

Week 1

6 hours to complete

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.

6 hours to complete

7 videos (Total 47 min), 7 readings, 2 quizzes

7 videos

Introducción al curso5mAnaconda y su instalación12mIntroducción al Módulo 14m¿Cómo podemos definir el AA (Aprendizaje Automático)?7mLos tipos de aprendizaje y sus tareas7mCaso de uso Gestión de riesgos ambientales 2mUn ejemplo sobre un conjunto de datos (cargar, describir, visualizar, ...)8m

7 readings

Presentación del curso20mRecomendaciones para tener éxito en el curso15mProblemas técnicos10mDetermina una problemática de interés ¿Puede resolverse con AA (Aprendizaje Automático)?30m¿Cuál será nuestro proyecto?15mModelos predictivos en el sector retail.10mA practicar Cargar, describir y visualizar un conjunto de datos30m

2 practice exercises

Preparándonos para continuar15m¿Qué hemos aprendido?45m

Week2

Week 2

5 hours to complete

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.

5 hours to complete

4 videos (Total 31 min), 6 readings, 2 quizzes

4 videos

Introducción al Módulo 22m¿Cómo resolver un problema de regresión?4mRegresión lineal simple8m¿Y cómo implementar el proceso? La regresión lineal con scikit-learn14m

6 readings

¿Cuáles son las aplicaciones de la regresión?10m¿Cómo interpretar el modelo de regresión lineal simple?15m¿Cómo interpretar el modelo de regresión lineal múltiple?10m¿Cómo interpretar las métricas de rendimiento para regresión?10mA practicar. Proceso de aprendizaje completo sobre un conjunto de datos30mManos a la obra, a aplicar lo visto en el proyecto45m

2 practice exercises

Preparándonos para continuar15m¿Qué hemos aprendido?45m

Week3

Week 3

5 hours to complete

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.

5 hours to complete

5 videos (Total 33 min), 6 readings, 2 quizzes

5 videos

Introducción al Módulo 33mLa regresión polinomial en scikit-learn: caso una sola variable7mLa regresión polinomial en scikit-learn: caso con múltiples variables5mRegresión regularizada. Caso Ridge.9mRegresión regularizada. Caso Lasso.5m

6 readings

Transformación polinomial: interacciones entre variables10mA practicar. Regresión polinomial sobre un conjunto de datos30mMenos es más: complejidad y generalización10mRegularización en regresión lineal.15mActividad A practicar. Regresión regularizada sobre un conjunto de datos 30mManos a la obra, a aplicar lo visto en el proyecto45m

2 practice exercises

Preparándonos para continuar15m¿Qué hemos aprendido?30m

Week4

Week 4

5 hours to complete

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.

5 hours to complete

6 videos (Total 42 min), 7 readings, 2 quizzes

6 videos

Introducción al Módulo 43m¿Cómo resolver un problema de clasificación?7mClasificación con árboles de decisión6mArboles de decisión en scikit learn. Construcción e interpretación.11m¿Y cómo implementar el proceso? Árboles de decisión: ajuste de hiperparámetros y evaluación.11mCierre del curso1m

7 readings

¿Cuáles son las aplicaciones de la clasificación?10mAlgo más sobre algoritmos de árboles de decisión.10mA practicar. Modelos basados en árboles de decisión partir de un conjunto de datos30mA practicar. Árboles de decisión a partir de un conjunto de dato: construcción, búsqueda de la complejidad y evaluación.30mManos a la obra, a aplicar lo visto en el proyecto.45mAspectos éticos en la Inteligencia Artificial30mActividad: ¿Cuándo no se sigue la ética en el aprendizaje automático?30m

2 practice exercises

Preparándonos para continuar30m¿Qué hemos aprendido?30m

About the Ciencia de datos Specialization

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.

Frequently Asked Questions

When will I have access to the lectures and assignments?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
What will I get if I subscribe to this Specialization?
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
What is the refund policy?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Is financial aid available?
Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.
¿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.

More questions? Visit the Learner Help Center.

Modelos predictivos con aprendizaje automático

About this Course

What you will learn

Skills you will gain