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)