Gratte l'image pour obtenir une réduction sur ton cours. Tu pourras appliquer le coupon au moment 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
Toma notas de tu curso en tiempo real en 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)
PLANS POUR ACCÉDER SELON TES OBJECTIFS ET TES BESOINS
Achète le cours individuel, obtiens tout le parcours d'apprentissage ou accède à toute la plateforme
Choisis le mode de paiement qui s'adapte le mieux à tes besoins et à ton budget : paiement unique par cours, accès mensuel ou annuel au Parcours d'apprentissage ou même à toute la plateforme.
Paiement unique
Achète le cours une fois et accède à vie
€ 79.99
- Un seul paiement
- Accès instantané au cours à vie
- Accède à la communauté du cours
El Más
Popular
Popular
Grenouille de Bronze
Accède à tous les cours, communautés et extras de Frogames
€ 39 /mois
- Paiement unique de 39€ par mois
- Accès instantané à tous les cours
- Accède à la plateforme et aux communautés 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
Parcours d'Analyse de Données
Accède à tous les cours du Parcours d'Analyse de Données
€ 19.99 /mois
- Paiement unique de 19.99€ par mois
- Accès instantané aux +10 cours du parcours
- Accède au Parcours 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
Paiement unique
Achète le cours une fois et accède à vie
€ 79.99
- Un seul paiement
- Accès instantané au cours à vie
- Accède à la communauté du cours
El Más
Valorado
Valorado
Grenouille d'Or
Accède 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
- Accède à la plateforme et aux communautés 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
- Bibliothèque de Ressources
- Sessions de Q&A mensuelles en direct
- Support premium
Parcours d'Analyse de Données
Accède à tous les cours du Parcours d'Analyse de Données
€ 199 /an
- Paiement unique de 199€ par an
- 4 mois de réduction
- Accès instantané aux +10 cours du parcours
- Accède au Parcours 24 / 7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
- Support premium
* Tous les prix incluent les taxes.
Pour ta sécurité, toutes les commandes seront traitées sur un serveur sécurisé.
Parcours d'Analyse de Données
Le pack ultime avec tous nos cours d'Analyse de Données avec R et Python pour devenir un vrai Data Scientist bien payé. Inclut les cours à venir et les mises à jour et améliorations des cours actuels
Angel
Curso completo de Machine Learning: Data Science en Python
Ce cours est une formation intégrale en science des données et apprentissage automatique, idéale pour ceux qui souhaitent maîtriser l'utilisation de Python dans des projets réels. Guidé par l'enseignant reconnu Juan Gabriel Gomila, le programme couvre les fondamentaux mathématiques jusqu'à la mise en œuvre de modèles avancés de Machine Learning.
Franklin Manuel
Un cours solide et accessible pour débuter en Machine Learning
Je débute dans le domaine de l'apprentissage automatique et ce cours m'a servi d'excellente introduction. Il explique de manière claire les concepts fondamentaux et présente des exemples pratiques en Python qui facilitent la compréhension. J'ai particulièrement apprécié l'utilisation d'outils comme Scikit-learn, Pandas et TensorFlow... etc. Bien que certains sujets avancés nécessitent plus d'étude de ma part, le cours m'a donné une base solide pour continuer à apprendre. Je le recommande à ceux qui font leurs premiers pas en science des données et souhaitent mieux comprendre le fonctionnement des modèles de machine learning.
ANGEL
La connexion à un nouveau monde aux possibilités infinies
J'ai 39 ans, depuis que j'ai terminé l'université il y a plus de 15 ans, le monde a changé grâce à la technologie. J'ai décidé de renouveler ma carrière professionnelle et j'ai étudié un master en analyse de données, mais à la fin j'avais plus de doutes que de satisfactions. En cherchant les bonnes réponses, j'ai trouvé Frogames avec le professeur Juan Gabriel et j'ai réussi à voir le panorama qui existe actuellement pour l'analyse de données et les technologies utilisées. Maintenant je suis motivé et certain d'atteindre mes objectifs parce que chez Frogames j'ai les outils nécessaires pour les réussir. Merci à Juan Gabriel et à toute l'équipe de Frogames pour avoir créé cette excellente plateforme pour apprendre les technologies actuelles.
Nicolas
Bon Apprentissage.
Simplement excellent, comme tout travail réalisé par le Professeur Juan Gabriel Gomila. Le cours est très complet, et les idées sont présentées avec beaucoup d'exemples et sous différentes perspectives, ce qui aide beaucoup l'étudiant à comprendre les concepts. Ce cours, je le recommande à 100%!!!
Nieves
Curso completo de Machine Learning: Data Science en Python
Ce cours t'enseigne à construire des modèles de Machine Learning à partir de zéro avec Python, avec des applications réelles en science des données. Tu apprendras la régression, la classification, le clustering, la réduction de dimensionnalité et l'évaluation de modèles, tout en utilisant des bibliothèques comme NumPy, Pandas, Matplotlib et Scikit-Learn.
Jesús
Cours très complet d'initiation au Machine Learning en Python
C'est un cours très complet où l'on couvre les algorithmes les plus utilisés en Machine Learning. On approfondit juste ce qu'il faut les mathématiques derrière chacun pour comprendre parfaitement le fonctionnement de chacun. Les explications de Juan Gabriel sont excellentes. Il ne fait aucun doute que je vais continuer à suivre tous les cours de la Parcours d'analyse de données. Félicitations à toute l'équipe de Frogames pour apporter autant de contenu de qualité !
Giovanni
Modèles prédictifs réels
C'est un matériel très complet, bien organisé et avec des exemples pratiques que tu peux vraiment transférer à ton environnement professionnel de manière immédiate
Javi
Un petit bijou pour débuter de zéro
J'avais très peur de me lancer dans ce domaine car je pensais que c'était réservé aux génies, mais honnêtement, je me suis éclaté. Les cours sont super dynamiques et le prof explique comme s'il prenait un café avec toi. J'ai terminé le contenu en me sentant vraiment capable de faire mes propres projets sans me bloquer en chemin.
Carlos
Un guide essentiel
Dès la première minute, j'ai pu télécharger le code et commencer à pratiquer avec des exemples réels. Il explique avec clarté chaque algorithme, des plus basiques aux plus avancés, ce qui m'a permis de comprendre comment appliquer ces techniques à des données réelles.
Gabriela
Data Science recommandé
Ce cours a tout: des fondamentaux du Machine Learning aux techniques avancées de Data Science
Jose
Très complet et détaillé.
Le cours n'a aucune partie inutile, il est très complet et détaillé, il m'a beaucoup servi pour mes travaux de troisième cycle.
Georges
Droit au but avec Machine Learning
Je cherchais quelque chose de pratique et sans tant de détours théoriques, et ce cours est exactement ce dont j'avais besoin. Il m'a aidé à clarifier beaucoup de doutes sur comment appliquer des modèles de données dans des projets réels de manière très intuitive.
ivan sergio
Un cours de plus...!!!
Très bon Cours...!!!
Sara
Python est devenu mon meilleur allié
Nicolas
J'ai adoré créer des modèles de ML en Python
Santiago
Très bon cours !
Gustavo
Machine Learning en Python : Le cours qui transforme les données en décisions intelligentes
Le Cours complet de Machine Learning : Data Science en Python est une expérience de formation qui se distingue par sa clarté, sa profondeur et son approche pratique. Dès le premier module, on voit qu'il est conçu pour te guider pas à pas, que tu partes de zéro ou que tu aies déjà des connaissances préalables. La courbe d'apprentissage est parfaitement équilibrée : tu apprends une théorie solide tout en appliquant chaque concept à des projets réels.
Jackeline
C'est un cours ancien, mais ça vaut le coup
Rosa
C'est un cours très complet
María
Ce cours de machine learning en Python est génial
J'ai appris à créer des modèles prédictifs de zéro et le soutien des professeurs est très actif et efficace, je me sens comme un véritable scientifique des données
Samuel
Comprendre le machine learning était un rêve et maintenant c'est réel
Les explications en Python sont super claires et je me sens prêt à affronter n'importe quel défi. ma confiance a beaucoup augmenté
Lucas
Impeccable.
Le cours m'a été très utile, didactique et complet. Je remercie Juan Gabriel de partager ses connaissances, j'ai déjà suivi beaucoup de ses cours (J'en ai encore beaucoup en attente) et je dois dire que c'est un excellent professeur. C'est un plaisir d'être son élève.
Caty
satisfaite du cours
satisfaite du cours
Joiser
Python, c'est le meilleur
Je pense que c'est l'un des meilleurs cours de machine learning avec Python
Marc
Fier d'avoir suivi ce cours
J'étais nul en Machine Learning et grâce à ce cours j'ai pu comprendre son fonctionnement
danison
Machine Learning
J'ai vraiment hâte d'apprendre Machine Learning, je suis sûr que ça va être un outil super utile pour devenir programmeur.
Sergio
Excellent cours
Cours excellent, très complet
Alvaro
Puissant!
Juan Gabriel Gomila est né pour rendre facile ce qui est difficile. Bénédictions.
Yvonne
Le meilleur cours
Très complet, bien structuré. J'adore le côté pratique.
BORJA
Excellent
Cours très complet et très bien expliqué.
Yimmy
Excellent cours de Machine Learning
J'en suis à 30% du cours et le prof explique vraiment bien les sujets. Je vais continuer à avancer.
Javi
Excellent cours très recommandé
Si tu veux te lancer dans le monde de la Data Science et en vivre, tu dois faire ce cours, droit au but, sans détours, du meilleur
Gabriela
Spectaculaire
Eulogio
Le meilleur cours...
... de Machine Learning en español. Très complet et facile à comprendre grâce au professeur qui explique vraiment très bien.
Omar
Très bien et avec beaucoup de pratique pour s'améliorer et mieux comprendre