Una introducción centrada en los conceptos al espacio de características, los objetivos de los modelos, los pipelines y pequeños proyectos de clasificación.
Conecta la intuición geométrica de los vectores con el razonamiento de los vecinos más cercanos, los árboles potenciados, las funciones de pérdida, los pipelines de preprocesamiento y dos ejemplos compactos de redes neuronales. La secuencia utiliza lecciones de YouTube de CampusX como demostraciones guiadas. Se insiste en preguntar qué datos, objetivo, partición y medida de evaluación utiliza un modelo, en lugar de tratar un ejemplo de código como prueba de que generalizará.
Representar un ejemplo sencillo de aprendizaje automático en términos de características, objetivos y espacio de características. Contrastar, a alto nivel, los enfoques de vecinos más cercanos y de boosting. Explicar por qué importan una función de pérdida y un pipeline de preprocesamiento. Documentar un pequeño experimento de clasificación con una comprobación de evaluación explícita.
Se recomienda conocer la sintaxis básica de Python y el álgebra elemental. No se presupone experiencia previa implementando aprendizaje automático.
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
7 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.