Bootcamp de Machine Learning

Módulo 1 | 1 clases

Introducción a Machine Learning

1.- Clase grabada

Inauguración; Qué se requiere para trabajar con Machine Learning

Por:

Antonio Feregrino

Módulo 2 | 2 clases

Álgebra lineal

1.- Clase grabada

Álgebra lineal 1

Por:

Cynthia "La Matemaga" Castillo

2.- Clase grabada

Álgebra Lineal 2

Por:

Cynthia "La Matemaga" Castillo

Módulo 3 | 1 clases

Optimización

1.- Clase grabada

Optimización 1

Por:

Cynthia "La Matemaga" Castillo

Módulo 4 | Próximamente

Probabilidad

Módulo 5 | 2 clases

Introducción a Machine Learning

1.- Curso

Curso de introducción a Machine Learning

Por:

Antonio Feregrino

2.- Curso

Curso de Machine Learning con ScikitLearn

Por:

Antonio Feregrino

Módulo 6 | Próximamente

Polars

Módulo 7 | 1 clases

Ingeniería y selección de características

1.- Curso

Curso de Ingeniería y Selección de Características

Por:

Mg. Ing. Layla Scheli

Módulo 8 | Próximamente

Textos como datos

Módulo 9 | Próximamente

Regresión: Lineal y logística

Módulo 10 | Próximamente

Bagging y boosting: random forests

Módulo 11 | Próximamente

Algoritmos basados en distancia: k-Means y k-Nearest neighbors

Módulo 12 | Próximamente

Proyecto final

Módulo 13 | Próximamente

Redes neuronales

Módulo 14 | Próximamente

Modelos fundacionales y Hugging Face

Módulo 15 | Próximamente

Modelos de lenguaje y LLMs

Módulo 16 | 1 clases

Introdución a MLOps

1.- Curso

Curso de MLOps

Por:

Antonio Feregrino

Módulo 17 | Próximamente

Bootcamp de Machine Learning

Temario

Introducción a Machine Learning

Álgebra lineal

Optimización

Probabilidad

Introducción a Machine Learning

Polars

Ingeniería y selección de características

Textos como datos

Regresión: Lineal y logística

Bagging y boosting: random forests

Algoritmos basados en distancia: k-Means y k-Nearest neighbors

Proyecto final

Redes neuronales

Modelos fundacionales y Hugging Face

Modelos de lenguaje y LLMs

Introdución a MLOps

Despliegue de modelos