Comprende las tareas de aprendizaje, los modelos y cómo separar los datos con cuidado.
Esta introducción recorre la idea básica del aprendizaje automático, sus tipos de tareas, los conceptos de modelo y la división cuidadosa de datos. Compararás ejemplos de aprendizaje supervisado, no supervisado y mediante recompensas; después analizarás por qué los datos de entrenamiento deben mantenerse separados de los de evaluación. La actividad final utiliza un conjunto pequeño de datos que tengas permiso para usar. No hace falta saber programar.
Describe el aprendizaje automático como la búsqueda de patrones en ejemplos y distínguelo de las reglas escritas de antemano. Clasifica situaciones sencillas como aprendizaje supervisado, no supervisado o por refuerzo, e indica qué información recibe cada método. Identifica variables de entrada, un objetivo y datos de entrenamiento y evaluación en una tarea básica de predicción. Propón una división de datos que reduzca filtraciones y explica una limitación de la evaluación.
No necesitas experiencia en programación ni estadística. Es útil reconocer filas y columnas; usa solo datos públicos o cuyo uso tengas autorizado.
Principiantes que buscan una introducción clara y guiada, sin jerga innecesaria
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Principiante · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.