Este repositorio contiene los notebooks del curso "Machine Learning Aplicado con Python" que dicté en platzi.
El objetivo de este curso es entregar los skills prácticos necesarios para implementar algoritmos de ML en un contexto profesional.
El curso incluye:
- Introducción a Numpy, para manejo de algebra lineal.
- Introducción a Pandas, para manejo de los datos en un formato de DataFrames (tablas).
- Docker files para setup de ambientes limpios y poderosos de trabajo de Machine Learning.
- Estudio completo del ciclo de ingeniería del Machine Learning.
- Preparación de datos: Cleaning, Imputation, Merging.
- Feature Engineering: One-hot encode, Scaling, Feature Design
- Entrenamiento de modelos: Sklearn API (train_test_split, fit, predict, score)
- Evaluación de modelos: sklearn.model_selection, Cross Validation, Grid Search.
- Algoritmos de Machine Learning: Regresión Lineal, Regresión Lasso, KNN, Random Forest, Gradient Boosting Trees.
El curso sigue un flujo de resolución real de un problema de predicción de ingreso de peliculas con la base de datos de IMDB con 1000+ ejemplos de entrenamiento.
