Curso completo de Machine Learning Data Science en Python - COMPLETO

Curso completo Machine Learning Data Science Python COMPLETO

种子大小：26.05 GB

收录时间：2023-12-19

链接操作：点赞1 dmca/举报

磁力链接：

打开链接种子转换复制链接加入收藏在线云播

文件列表：474File

8. Regresión logística con Python/7. Estimación con el método de máxima verosimilitud.mp4454.35 MB
8. Regresión logística con Python/8. Crear un modelo logístico desde cero.mp4440.2 MB
9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.mp4331.5 MB
7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.mp4318.1 MB
14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.mp4310.09 MB
10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.mp4308.26 MB
11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.mp4307.49 MB
9. Clustering y clasificación/3. El concepto de distancia.mp4305.93 MB
8. Regresión logística con Python/9. Análisis exploratorio de los datos.mp4300.56 MB
9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.mp4298.63 MB
10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.mp4295.92 MB
7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.mp4284.5 MB
8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.mp4282.81 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.mp4282.11 MB
7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.mp4280.77 MB
11. Máquinas de Soporte Vectorial/3. El problema de clasificación no óptimo.mp4273.38 MB
11. Máquinas de Soporte Vectorial/15. Práctica de SVM Clasificación de las flores de Iris.mp4268.64 MB
14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.mp4267.21 MB
9. Clustering y clasificación/10. Un clustering completo por donde cortamos el dendrograma.mp4263.11 MB
9. Clustering y clasificación/6. Uniendo datos manualmente.mp4253.44 MB
9. Clustering y clasificación/14. Ejercicio Segmentación de los vinos.mp4248.04 MB
11. Máquinas de Soporte Vectorial/2. Las support vector machines.mp4243.86 MB
8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.mp4243.48 MB
7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.mp4237.74 MB
6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.mp4235.24 MB
10. Árboles y bosques aleatorios/7. Los problemas del árbol.mp4234.55 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/3. Acerca de las redes neuronales y el deep learning.mp4233.3 MB
9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.mp4231.59 MB
11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.mp4225.6 MB
9. Clustering y clasificación/5. Métodos de enlace.mp4224.02 MB
7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.mp4217.82 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.mp4216.47 MB
7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.mp4215.88 MB
11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.mp4213 MB
2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.mp4210.66 MB
5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.mp4209.26 MB
14. Análisis de componentes principales/2. El problema de la dimensión.mp4202.96 MB
12. K Nearest Neighbors/2. Los k vecinos más cercanos.mp4198.73 MB
16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.mp4198.05 MB
7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.mp4195.89 MB
14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.mp4188.55 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.mp4184.98 MB
7. Regresión lineal con Python/10. Regresión lineal múltiple.mp4183.48 MB
5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.mp4182.71 MB
10. Árboles y bosques aleatorios/2. ¿Qué es un árbol de decisión.mp4182.45 MB
10. Árboles y bosques aleatorios/14. Random forests.mp4177.42 MB
17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.mp4175.13 MB
7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.mp4171.79 MB
10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.mp4171.32 MB
5. Operaciones de manejo de datos/1. Data Wrangling.mp4168.45 MB