Grattez l'image pour obtenir une réduction sur votre cours. Vous pourrez appliquer le coupon lors du paiement.
235
Bienvenidos al curso de Python
Cómo sacarle el Máximo Partido al Curso
Las 5 Etapas del Análisis de Datos
La Comunidad de Discord para Aprender con Amigos
El Repositorio GitHub del Curso
NOTA: Actualización a Python 3.11.4: Tu Curso en la Última Versión - Septiembre 2023
Prenez des notes de votre cours en temps réel sur Frogames Formación
Descargar e Instalar Python y Anaconda (2023)
INFORMACIÓN IMPORTANTE: Entornos y Versiones de Python - Todo lo que Necesitas Saber
Instalar el entorno de Python con las librerías del curso
Los Editores para Programar en Python
Las Librerías Estándar de Machine Learning
Algunos Cambios Importantes en la Versión de Python
Ser Data Scientist es la Profesión más Sexy del Siglo XXI
¿Qué es el Análisis Predictivo de Datos?
Data Scientist = Matemáticas + Programación + Business
Aplicaciones y Ejemplos del Mundo del Data Science
Data Cleaning
El Concepto de Data Frame
El Repositorio Git del Curso
¿Qué Hago si no me Autocompleta Jupyter?
Acerca de las Barras en Windows
Leer Datos Procedentes de un CSV
Los Parámetros de la Función read_csv
Ejemplos de Diferentes Cargas de Datos con read_csv
El Método open para la Carga Manual de Datos
Cuidado con el Método open
Leer y Escribir en un Fichero con Python
Leer los Datos desde una URL Externa
La Carga de Datos desde una Hoja de Cálculo
Ejercicio: Descargar y Procesar Datos desde una URL Externa
Las Funciones Básicas de Resumen, Estructura, Dimensiones y Cabecera
¿Por qué Faltan Valores en los Datasets?
Qué Hacer cuando Faltan Valores en el Dataset
Las Variables Dummy
Visualización Básica de un Dataset: el Scatterplot
Visualización Básica de un Dataset: el Histograma de Frecuencias
Visualización Básica de un Dataset: el Boxplot
Data Wrangling
Fe de Erratas
Una Chuleta de pandas para Data Wrangling
Buscar un Subconjunto de Datos de un Dataset
Filtrados Alternativos
Subconjuntos de Filas con ciertas Condiciones
Subconjuntos con loc e iloc y Creación de Nuevas Columnas
Generar Números Aleatorios
La Semilla de la Generación Aleatoria
Funciones de Distribución de Probabilidad
La Distribución Uniforme
La Distribución Normal
El Método de la Simulación de Monte-Carlo para Encontrar el Valor de Pi
Generando Dummy Data Frames
Un Dummy Data Frame con Variables Categóricas
Agrupación de los Datos por Categorías
Agregación de Datos
Filtrado, Transformación y Otras Operaciones Útiles
Conjunto de Entrenamiento y de Testing
Atualización: Cómo Dividir el Dataset en Conjunto de Entrenamiento y Test
Muestreo Aleatorio: Cómo Dividir un Dataset en Conjunto de Entreno y Validación
Concatenar Dos Datasets por Filas
Carga de Cientos de Datos Distribuidos
Ejercicio: el Dataset de los Juegos Olímpicos
Concatenar los Datos con merge
Formas de Cruzar Tablas con Joins
Eliminar Datos de Datasets con Restricciones de Conjunto
Ejemplos de Joins con Python
Ya Conoces las Bases del Manejo de Datos
Los Conceptos Fundamentales de Estadística
Muestreo Aleatorio y el Teorema Central del Límite
Un Resumen de Estadísticos en Python (Propuesta de un Estudiante)
Los Contrastes de Hipótesis
Cómo Hacer un Contraste de Hipótesis Paso a Paso
Test de la Chi Cuadrado
Correlación entre Variables
Un Resumen de lo Aprendido
La Regresión Lineal
Las Matemáticas tras una Regresión Lineal
Demostración de la Obtención de los Parámetros del Modelo Lineal
Errores Normalmente Distribuidos
Sumas de los Cuadrados Totales, de las Diferencias y de la Regresión
Ejercicio: Demostrar que SST = SSR + SSD
Encontrando los Coeficientes Óptimos de la Regresión
Interpretar los Parámetros de la Regresión
Implementar una Regresión Lineal con Python
Regresión Lineal Múltiple
El Problema de la Multicolinealidad
Validando nuestro Modelo
El Resumen de Todos los Modelos Lineales Creados
Regresión Lineal con scikit-learn
Modelos Lineales con Variables Categóricas
Variables Categóricas en una Regresión Lineal
Otra Forma más Simple de Calcular las Predicciones
Enmascarado de Variables Categóricas Redundantes
Transformar las Variables en Relaciones No Lineales
El Problema de los Outliers
Otros Problemas y Consideraciones de la Regresión Lineal
Un Resumen de la Regresión Lineal
La Regresión Logística
Regresión Lineal vs Regresión Logística
Las Matemáticas detrás de la Regresión Logística
Probabilidades Condicionadas
Cociente de Probabilidades
De la Regresión Lineal a la Logística
Estimación con el Método de Máxima Verosimilitud
BUG: Error en la Siguiente Clase
Crear un Modelo Logístico desde Cero
Análisis Exploratorio de los Datos
La Selección de Variables del Dataset para el Modelo Logístico
Implementar una Regresión Logística con Python
Validación del Modelo y Evaluación del Mismo
Validación Cruzada con Python
Las Matrices de Confusión y las Curvas ROC
Implementación de las curvas ROC en Python
Resumen de la Regresión Logística
Clustering
¿Qué es y para Qué Sirve el Clustering?
El Concepto de Distancia
Matriz de Distancias en Python
Métodos de Enlace
Uniendo Datos Manualmente
Clustering Jerárquico en Python
Un Clustering Completo: la Fase de Exploración de Datos
Un Clustering Completo: Representación del Dendrograma
Un Clustering Completo: por dónde Cortamos el Dendrograma
Un Clustering Completo: Visualización Final del Clustering
El Método de K-Means
Implementando K-Means con Python
Ejercicio: Segmentación de los Vinos
El Método del Codo
El Coeficiente de la Silueta
Implementando la Técnica del Codo y el Coeficiente de la Silueta
Propagación de la Afinidad
Implementando la Propagación de la Afinidad
Generando Distribuciones en Forma de Anillo
Los K Medioides y el Clustering Espectral
Resumen del Clustering
Árboles y Bosques Aleatorios
¿Qué es un Árbol de Decisión?
Homogeneidad en los Datos
Entropía y Ganancia de Información
Algoritmos para la Generación de Árboles de Clasificación
La Poda del Árbol
Los Problemas del Árbol
Los Árboles de Clasificación con Python
El Tratamiento de Ficheros dot
La Validación Cruzada en un Árbol de Clasificación
Los Árboles de Regresión
El Dataset de las Casas de Boston y Kaggle
Árboles de Regresión con Python
Random Forests
Random Forests para Regresión
Random Forest para Clasificación
¿Por qué Funcionan los Random Forests?
Resumen de Árboles y Bosques Aleatorios
Las Máquinas de Soporte Vectorial
Las Support Vector Machines
El Problema de Clasificación no Óptimo
Los Núcleos No Lineales y el Problema de la Dimensión
Soporte Vectorial Clasificador Lineal
Creando el Modelo Clasificador Lineal
Representación Gráfica del Hiperplano Separador en 2D
El Problema de la Separación
Maximizar el Margen de Clasificación
Los Soportes de SVM
Kernels No Lineales
Radial Basis Function
Ajustando las SVM
Práctica de SVM: Reconocimiento Facial a lo CSI
Práctica de SVM: Clasificación de las Flores de Iris
Truco: Qué Hacer cuando me Toca Hacer un Análisis de Datos
SVM para Regresión
La Decisión de los K Vecinos
Los K Vecinos más Cercanos
Limpieza del Dataset del Cáncer
Clasificación según los K Vecinos
Clasificando Nuevos Datos de los Tests Médicos
Creando los Datos para la Clasificación
Implementando la Decisión por Mayoría
Nuestro Algoritmo vs scikit-learn
Una Opinión Final sobre los Algoritmos de Machine Learning
El Rol de las Recomendaciones Dinámicas en el Siglo XXI
El Dataset de Películas de Movie Lens
Análisis Exploratorio de los Datos y Distribución de las Valoraciones
Sparsity de los Datos
División en Entrenamiento y Validación
La Matriz de Similaridad entre Usuarios
Predecir la Valoración de un Ítem para un Usuario
Corrección: Error en la Clase Anterior
Filtrando con los K Nearest Neighbors
Sistemas de Recomendación Basados en Ítems
Recomendando con los K items más Parecidos
Los Resultados Finales
Análisis de Componentes Principales
El Problema de la Dimensión
Demostración de Cómo se Hace un ACP
Implementando nuestro Propio ACP en Python
Cuidado con la Siguiente Librería, plotly
Plotly, la Librería de Gráficos Personalizados e Interactivos
Los Valores y Vectores Propios de la Matriz de Covarianzas
La Matriz de Correlaciones y el Singular Value Decomposition
La Selección de las Componentes Principales
La Proyección en el Subespacio Vectorial Resultante
Implementación de ACP con sklearn
Más Gráficos con plotly
Personalizando los Gráficos de plotly
Coloraciones y Etiquetas de plotly
Redes Neuronales del Futuro
Introducción a Tensor Flow
Acerca de las Redes Neuronales y el Deep Learning
IMPORTANTE: Versión de TensorFlow a Utilizar
Instalando TensorFlow en tu Ordenador
Si tienes Problemas con la Instalación de TensorFlow...
La Carga del Dataset de Imágenes
Análisis Exploratorio de los Datos
Un Resumen Visual de Imágenes
Preprocesado de Imágenes Previo al ML
Creación del Modelo
Entrenamiento del Modelo
Validación del Modelo
El Dataset de Reconocimiento de Dígitos
De Datos Desestructurados a Espacios Vectoriales n-Dimensionales
La Regresión Softmax
Tensorflow y la Regresión Softmax
La Fase de Entrenamiento de la Red Neuronal
La Fase de Evaluación de la Red Neuronal
Cuando Python Conoce a R, no hay Límites en el Big Data
Instalar la Librería rpy2
Nota Adicional para Instalar rpy2 en Windows
Llevando Objetos de R a Python
Llevando Objetos de Python a R
Cómo Instalar y Cargar Paquetes de R desde Python
La Librería extRemes en Acción desde Python
Rmagic
Lo Bueno de Programación en Python, lo Mejor de Estadística con R
Proyecto Final. ¿Qué me depara el Futuro?
(35)
FORFAITS POUR ACCÉDER SELON VOS OBJECTIFS ET BESOINS
Achetez le cours individuel, obtenez toute la parcours d'apprentissage ou accédez à toute la plateforme
Choisissez le mode de paiement qui s'adapte le mieux à vos besoins et à votre budget avec un paiement unique par cours, un accès mensuel ou annuel au parcours d'apprentissage ou même à toute la plateforme.
Paiement unique
Achetez le cours une fois et accédez-y à vie
€ 79.99
- Paiement unique
- Accès instantané au cours à vie
- Accédez à la communauté du cours
Le Plus
Populaire
Populaire
Grenouille de bronze
Accédez à tous les cours, communautés et extras de Frogames
€ 39 /mois
- Paiement unique de 39€ par mois
- Accès instantané à tous les cours
- Accédez à la plateforme et aux communautés 24h/24 et 7j/7, où et quand vous voulez
- Annulez à tout moment sans perdre votre progression
Ruta de Análisis de Datos
Accede a todos los cursos de la Ruta de Análisis de Datos
€ 19.99 /mois
- Paiement unique de 19.99€ par mois
- Accès instantané aux +10 cours du parcours
- Accédez au parcours 24 / 7, où et quand vous voulez
- Annulez à tout moment sans perdre votre progression
Paiement unique
Achetez le cours une fois et accédez-y à vie
€ 79.99
- Paiement unique
- Accès instantané au cours à vie
- Accédez à la communauté du cours
Le Plus
Évalué
Évalué
Grenouille d'Or
Accédez à tous les cours, communautés et extras de Frogames
€ 349 /an
- Paiement unique de 349€ par an
- 3 mois de réduction
- Accès instantané à tous les cours
- Accédez à la plateforme et aux communautés 24h/24 et 7j/7, où et quand vous voulez
- Annulez à tout moment sans perdre votre progression
- Bibliothèque de Ressources
- Sessions Q&A en direct mensuelles
- Support premium
Ruta de Análisis de Datos
Accede a todos los cursos de la Ruta de Análisis de Datos
€ 199 /an
- Paiement unique de 199 € par an
- 4 mois de réduction
- Accès instantané aux +10 cours du parcours
- Accédez au parcours 24 / 7, où et quand vous voulez
- Annulez à tout moment sans perdre votre progression
- Support premium
* Tous les prix s'entendent taxes comprises.
Pour votre sécurité, toutes les commandes seront traitées sur un serveur sécurisé.
Ruta de Análisis de Datos
El pack definitivo con todos nuestros cursos de Análisis de Datos con R y Python para convertirte en todo un Data Scientist bien pagado. Incluye los cursos que están por venir y las actualizaciones y mejoras de los actuales
Angel
Cours complet de Machine Learning : Data Science en Python
Este curso es una formación integral en ciencia de datos y aprendizaje automático, ideal para quienes desean dominar el uso de Python en proyectos reales. Guiado por el reconocido docente Juan Gabriel Gomila, el programa cubre desde los fundamentos matemáticos hasta la implementación de modelos avanzados de Machine Learning.
Franklin Manuel
Un curso sólido y accesible para iniciarse en Machine Learning
Estoy iniciándome en el campo del aprendizaje automático y este curso me ha servido como una muy buena introducción. Explica de forma clara los conceptos básicos y presenta ejemplos prácticos en Python que facilitan la comprensión. Me gustó especialmente que se utilicen herramientas como Scikit-learn. Pandas y TensorFlow... ete. Aunque algunos temas avanzados requieren más estudio por mi parte, el curso me ha dado una base sólida para continuar aprendiendo. Lo recomiendo para quienes estén dando sus primeros pasos en ciencia de datos y deseen entender mejor cómo funcionan los modelos de machine learning.
ANGEL
La conexión a un nuevo mundo con infinitas posibilidades
Tengo 39 años, desde que terminé la universidad hace más de 15 años el mundo ha cambiado por la tecnología. Decidí renovar mi carrera profesional y estudié un máster en análisis de datos, al terminar me quedé con más dudas que satisfacciones, en la búsqueda de las respuestas adecuadas encontré a frogames con el profesor Juan Gabriel y he logrado ver el panorama que actualmente existe para el análisis de datos y las tecnologías empleadas. Ahora estoy motivado y seguro que conseguiré mis objetivos porque en frogames tengo las herramientas necesarias para lograrlo. Gracias a Juan Gabriel y a todo el equipo de frogames por levantar esta excelente plataforma para el aprendizaje de las tecnologías actuales.
Nicolas
Buen Aprendizaje.
Simplemente excelente, como todo trabajo realizado por el Profesor Juan Gabriel Gomila. El curso es muy completo, y las ideas son presentadas con muchos ejemplos y desde diferentes perspectivas, lo cual ayuda mucho al estudiante para lograr el entendimiento de los conceptos. Este curso, lo recomiendo al 100%!!!
Nieves
Cours complet de Machine Learning : Data Science en Python
Este curso te enseña a construir modelos de Machine Learning desde cero utilizando Python, con aplicaciones reales en ciencia de datos. Aprenderás regresión, clasificación, clustering, reducción de dimensionalidad y evaluación de modelos, todo con librerías como NumPy, Pandas, Matplotlib y Scikit-Learn.
Jesús
Curso muy completo de iniciación al Machine Learning en Python
Me ha parecido un curso muy completo donde se han cubierto los algoritmos más utilizados en Machine Learning. Se profundiza lo justo y necesario en las matemáticas que hay detrás de cada uno para entender perfectamente el funcionamiento de cada uno. Las explicaciones de Juan Gabriel son excelentes. No cabe duda de que seguiré completando todos los cursos de la ruta de análisis de datos. Felicidades a todo el equipo de Frogames por aportar tanto contenido de calidad!
Giovanni
Modelos predictivos reales
Es un material muy completo, bien organizado y con ejemplos prácticos que realmente se pueden trasladar al entorno laboral de forma inmediata
Javi
Una joyita para empezar desde cero
Tenía un montón de miedo de meterme en este tema porque pensaba que era solo para genios, pero la verdad es que me la pasé genial. Las clases son súper dinámicas y el profe explica como si estuviera tomándose un café contigo. Terminé el contenido sintiendo que realmente puedo hacer mis propios proyectos sin atascarme en el intento.
Carlos
Una guía imprescindible
Desde el primer minuto, pude descargar el código y empezar a practicar con ejemplos reales. Explica con claridad cada algoritmo, desde los más básicos hasta los más avanzados, lo que me permitió comprender cómo aplicar estas técnicas a datos reales.
Gabriela
Data Science recomendado
Este curso lo tiene todo: desde los fundamentos del Machine Learning hasta técnicas avanzadas de Data Science
Jose
Muy completo y detallado.
El curso no tiene desperdicio, esta muy cimpleto y detallado, me ha servido muchisimo para mi tareas de Post-grado.
Jorge
Directo al grano con Machine Learning
Buscaba algo que fuera práctico y sin tanto rodeo teórico, y este curso es justo lo que necesitaba. Me ayudó a despejar muchas dudas sobre cómo aplicar modelos de datos en proyectos reales de una forma muy intuitiva.
ivan sergio
Un curso mas...!!!
Muy buen Curso...!!!
Sara
Python se volvió mi mejor aliado
Nicolás
Me encantó crear modelos de ML en Python
Santiago
Muy buen curso!
Gustavo
Machine Learning en Python: El curso que convierte datos en decisiones inteligentes
El Curso completo de Machine Learning: Data Science en Python es una experiencia formativa que destaca por su claridad, profundidad y enfoque práctico. Desde el primer módulo, se nota que está diseñado para guiarte paso a paso, sin importar si partes desde cero o ya tienes conocimientos previos. La curva de aprendizaje está perfectamente balanceada: aprendes teoría sólida mientras aplicas cada concepto en proyectos reales.
Jackeline
Es un curso antiguo, pero vale la pena
Rosa
Es un curso muy completo
María
Este curso de machine learning en Python es la bomba
Aprendí a crear modelos predictivos desde cero y la asistencia de los profesores es muy activa y eficiente, me siento como un científico de datos de verdad
Samuel
Entender machine learning era un sueño y ahora es real
Las explicaciones en python están super claras y me siento listo para enfrentar cualquier reto. mi confianza ha subido bastante
Lucas
Impecable.
El curso me resultó muy útil, didáctico y completo. Agradezco a Juan Gabriel por compartir sus conocimientos, ya he realizado muchos cursos de él (Tengo muchos pendientes aún) y debo decir que es un gran profesor. Un gusto ser su alumno.
Caty
satisfecha con el curso
satisfecha con el curso
Joiser
Python, es lo mejor
Creo que es de los mejores cursos de machine learning con Python
Marc
Orgullo de pasar este curso
Era un negado del Machine Learning y gracias a este curso pude comprender su funcionamiento
danison
Machine Learning
Ya quiero aprender sobre Machine Learning, no tengo dudas que me sera una herramienta muy util para ser un futuro programador.
Sergio
Super cours
Excelente curso, muy completo
Alvaro
¡Poderoso!
Juan Gabriel Gomila nació para hacer ver fácil lo difícil. Bendiciones.
Yvonne
El mejor curso
Muy completo, bien estructurado. Me encanta lo practico que es.
BORJA
Excellent
Curso muy completo y muy bien explicado.
Yimmy
Gran curso de Machine Learning
Hasta el momento llevo el 30% del curso y el profesor explica muy bien los temas. Seguiré avanzando.
Javi
Gran curso recomendadísimo
Si quieres meterte en el mundo del Data Science y vivir de ello tienes que hacer este curso, directo al grano, sin paja, de lo mejorcito
Gabriela
Espectacular
Eulogio
El mejor curso...
... de Machine Learning en español. Muy completo y fácil de entender gracias al profesor que explica muy pero que muy bien.
Omar
Muy bueno y con mucha práctica para mejorar y entender mejor