Introducción al Machine Learning

Este es un escrito en el que se abordan los conceptos básicos del Machine Learning, así como los algoritmos más comunes y su implementación en Python. El objetivo es que el lector pueda comprender los conceptos básicos del Machine Learning y pueda implementar algoritmos de aprendizaje supervisado y no supervisado en Python. Para ello, se abordan los siguientes temas:

• Introducción al análisis de datos con Python

• Introducción al Machine Learning

• Aprendizaje supervisado

• Aprendizaje no supervisado

Contenido

• Introducción a Python y Pandas
• Uso de Pandas
• Trabajemos en algunos gráficos
• Medidas estadísticas
• Visualización de datos con Python
• Manipulación, Limpieza y Exploración de Datos
• Introducción al Aprendizaje Automático
• Árboles de Decisión para Marketing Bancario
• Estadísticos de Validación de un Modelo de Clasificación Supervisada
• Primer resumen sobre modelos de clasificación supervisada
• Segundo resumen sobre modelos de clasificación supervisada
• Algoritmos Clúster
• Buscamos el valor K
• Clasificación de nuevos registros

Requisitos

Para poder ejecutar los ejemplos de este escrito, debe tener instalado Python, a través de anaconda, en su computadora. Si no lo tiene instalado, puede revisar el siguiente enlace: Instalación de Anaconda. Además, es necesario instalar las siguientes librerías:

• numpy

• pandas

• matplotlib

• scikit-learn

Para instalar las librerías, puede ejecutar el siguiente comando en la terminal:

pip install numpy pandas matplotlib scikit-learn

Google Colab

Si no desea instalar Python en su computadora, puede utilizar Google Colab, un entorno de Jupyter Notebook que no requiere configuración y se ejecuta en la nube. Para ello, puede acceder al siguiente enlace: Google Colab. Recuerde que es necesario tener una cuenta de Google para poder utilizar esta herramienta.