Curso de Machine Learning en Español donde se abordarán los algoritmos de ML más utilizados teóricamente, y se llevarán a la práctica en Python y R
1 - Introdución - Qué es Machine Learning
2 - Algoritmos de Machine Learning
3 - Preprocesado de los datos
4 - Aprendizaje Supervisado
4.1 - Regresión
4.1.1.1 - Regresión Lineal Simple (Simple Linear Regression)
4.1.1.2 - Regresión Lineal Múltiple (Multiple Linear Regression)
4.1.1.3 - Regresión Polinómica (Polynomic Regression)
4.1.2 - SVR (Support Vector Regressor)
4.1.3 - Árboles de Decisión (Decission Trees)
4.1.4 - Bosques Aleatorios (Random Forest)
4.2 - Clasificación
4.2.1 - Regresión Logística (Logistic Regression)
4.2.2 - SVM (Support Vector Machines)
4.2.3 - Análisis discriminante
4.2.4 - kNN (Vecino más cercano)
4.2.5 - Naive Bayes (Clasificadores Bayesianos)
4.2.6 - Árboles de decisión
4.2.5 - Bosques aleatorios
5 - Aprendizaje no supervisado
5.1 - Clustering (Aglomeración)
5.2 - Aprendizaje por refuerzo (Reinforcement Learning)