Machine Learning Para Investigación Con Weka. De 0 A Experto

Conoce las técnicas más potente y necesarias que un investigador debe tener en su fase de de desarrollo. Weka Workbench

What you'll learn

El curso más vendido de Machine Learning para Investigación con WEKA en Udemy

Aprender las técnicas de preprocesamiento de datos para machine learning.

Conocer las diferentes posibilidades sobre el pre-análisis y pre-tratamiento de datos para machine learning

Comprender que es la minería de datos y aplicarla a un conjunto de datos específico.

Comprender y analizar la fase de preprocesamiento en machine learning.

Comprender y analizar la fase del análisis de datos previos al modelado algorítmico en machine learning.

Comprender y analizar la fase de modelado algorítmico en machine learning.

Comprender y analizar la fase de tunníng para los diferentes modelos de machine learning.

Desarrollar y analizar proyectos de machine learning, Aprendizaje Supervisado, como regresión, clasificación y multiclase.

Desarrollar y analizar proyectos de machine learning de Aprendizaje No Supervisado

Al acceder a este curso formarás parte de una comunidad educativa especializada en la materia, que te dará soporte, recursos y asesoramiento de por vida.

Requirements

Para la realización de este curso (Machine Learning para Investigación con WEKA) no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0.

Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado en la formación se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac.

Durante el curso trabajaremos con la última versión del programa, pero no te preocupes si tienes una versión anterior, ya que las distintas versiones difieren muy poco entre sí. Si existe algún cambio importante entre las distintas versiones hablaremos de ello durante la formación.

Cuando compres el curso vas a poder acceder a las clases cuando y donde quieras. El curso se queda en tu cuenta de Udemy para siempre. :)

El más importante requisito para realizar este curso es el entusiasmo y la motivación por aprender nuevas habilidades que aumenten tus competencias profesionales.

Description

Machine Learning para Investigación con WEKA. De 0 a ExpertoConoce las técnicas más potente y necesarias que un investigador debe tener en su fase de de desarrollo. Weka WorkbenchInstructores: PhD. Manuel Castillo y Arquitecto Álvaro García.Contenido Actualizado: Diciembre 2022 Calificación: ⭐⭐⭐⭐⭐Requisitos previos: NingunoEntre los diferentes software que existen de machine learning automatizado, destaca, sobre todos los demás, Weka Workbench, que es un software libre y gratuito. Este potente software nos ofrece un amplio espectro de opciones para utilizar machine learning sobre cualquier conjunto de datos que tengamos, ya sea de nuestros experimentos u obtenidos de diferentes bancos de datos libres, de manera muy sencilla, sin tener grandes conocimientos sobre el modelo matemático de un algoritmo y, lo más interesante, sin conocimientos de programación.Son nueve unidades temáticas, en las que contará con vídeos, actividades, temario, foros que le ayudarán a realizar el curso de manera eficiente y entretenida. Este curso se enfoca en un subcampo específico de la minería de datos llamado modelado predictivo (aprendizaje supervisado) y clústering (Aprendizaje No Supervisado). Este es el campo de la minería de datos que es el más útil en la industria e investigación siendo estas técnicas las más potente y necesarias que un investigador debe tener en su fase de de desarrollo.A diferencia de las diferentes formas de estadística, donde los modelos se utilizan para comprender los datos, el modelado predictivo se centra en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar el por qué se hacen las predicciones. A diferencia del campo más amplio de minería de datos que podría usarse con datos en cualquier formato, el modelado predictivo (aprendizaje supervisado)) y clústering (Aprendizaje No Supervisado) se enfoca principalmente en datos tabulares (por ejemplo, tablas de números como una hoja de cálculo).En este contexto, el curso pretende otorgar a los estudiantes los conceptos básicos e intermedios relacionados al análisis y tratamiento de datos pero llevando este proceso más allá pudiendo aplicar algoritmos basados en aprendizaje, es decir, Machine Learning. Para ello, el curso hará uso de un sistema muy utilizado en cualquier ámbito y línea de investigación como es Weka. Weka es una plataforma de muy sencillo uso que nos permite utilizar todos los conceptos de Minería de datos sin tener que saber programar, es decir, es una plataforma específicamente desarrollara para cualquier investigador que requiera de estas técnicas pero que no tiene un base previa computacional.Curso Virtual el curso es virtual para poder llevarlo a cabo se tiene el siguiente esquema:Lectura del material el EVD. Los participantes debe leer y revisar los contenidos teóricos que se tienen en el EVD, correspondiente a cada unidad.Visualización de Videos. Como ayuda al aprendizaje se tienen videos para cada unidad, los cuales deben ser visualizados por el alumnado.Autoaprendizaje. Se debe resolver el material para refuerzo y aplicación de los contenidos teóricos/prácticos antes de la evaluación.Sofware de trabajo. Se utilizará el software libre Weka Workbench.Foro de consultas. Este espacio está destinado para que los estudiantes formulen sus preguntas con respecto a la temática desarrollada y el docente tutor será el responsable de absolver sus interrogantes.Con esta amplia formación aprenderás el proceso completo y de forma profesional para llevar a cabos proyectos integrales. Una formación 100% practica que aumentará tu habilidades y competencias profesionales. Un curso paso a paso que te ahorra mucho tiempo y esfuerzo en tu trabajo diario. El aprendizaje será un proceso continuo donde los estudiantes tienen la oportunidad de ir trabajando con el software de machine learning practicando lo expuesto en la parte de teoría.La formación te permitirá convertirte en un experto en la materia, y todo ello desde una formación principalmente práctica. A través de variadas actividades y proyectos completos podrás adquirir los conocimientos suficientes para ejercer profesionalmente de forma solvente. Además conocerás en detalle mi flujo de trabajo a la hora de afrontar un proyecto profesional. Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado durante formación online se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac.Puedes elegir ver todas las lecciones de forma secuencial (lineal) y aprovecharlas al máximo la formación. Pero también puedes decidir ver este curso como una guía de referencia. Las clases están claramente organizadas en secciones lógicas y puedes decidir visualizar solo las clases que te resulten más importantes según tus necesidades formativas. A excepción de las lecciones PRO, la mayoría de las lecciones son independientes para que puedas comprender los conceptos de cada lección sin tener que ver las lecciones anteriores del curso. Es excepcional el aumento en la demanda de profesionales en este ámbito por parte de las empresas de todo el mundo actualmente. Para desarrollar el programa formativo propuesto no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0. El curso está orientado a aquellos creativos que quieran ampliar sus skills (habilidades) y conocer múltiples trucos, consejos, recursos y recomendaciones, de la mano de los instructores Manuel Castillo y Álvaro García. Además todas las formaciones de Udemy disponen acceso automático al curso, sin limitación de tiempo, disponibilidad 24/7 (24 horas al día los 7 días de la semana), sin caducidad y con garantía de devolución.Contenidos: Unidad 1: IntroducciónConceptos básicos de machine learning.Weka Workbench como nuestro entorno de machine learning.Conclusiones.Unidad 2: Minería de datos en WekaPlaneles en Weka.Conociendo nuestros datos en los paneles de Weka.Conclusiones.Unidad 3: Pre-análisis y pre-tratamiento de datosClasificación de datos en machine learning.Conjunto de datos para machine learning.Pre-análisis de datos.Conclusiones.Unidad 4: Pre-procesamiento de datos para machine learningNormalización y estandarización de los datos.Transformar los datos de machine learning.Manejar valores perdidos en los datos de machine learning.Conclusiones.Unidad 5: Análisis de datos en machine learningFuture Selection en machine learning.Uso de algoritmos de machine learning.Estimar el resultado de los algoritmos.Estimar una línea base de los resultados.Conclusiones.Unidad 6: Fase de modelado en machine learningAlgoritmos de clasificación.Algoritmos de regresión.Algoritmos ensamblados.Conclusiones.Unidad 7: Fase de optimización en machine learningComparar el rendimiento de los algoritmos.Optimización de los parámetros (hiperparámetros) de los algoritmos.Guardar nuestros modelos y hacer predicciones.Conclusiones.Unidad 8: Proyectos en machine learningTrabajar un proyecto de clasificación multiclase.Trabajar un proyecto de clasificación binario.Trabajar un proyecto de regresión.ConclusionesUnidad 9. Aprendizaje No SupervisadoAprendizaje No supervisadoAlgoritmos de Aprendizaje No SupervisadoDeterminar el número óptimo de clústersProyecto de Aprendizaje No SupervisadoLa modalidad de este curso te permite que empieces y acabes cuando tú quieras, marcando el ritmo de la clase según tu disponibilidad. Puedes volver a visualizar lo que te interese, saltar el contenido que ya domines, hacer preguntas, resolver dudas, compartir tus proyectos…Recuerda que esta formación incluye lecciones en vídeo fullHD con audio de estudio (compatible con TV, PC, Mac, tablet y smartphone), artículos didácticos, actividades, proyectos paso a paso, recursos descargables, links de interés, acceso de por vida, certificado de finalización, tutorización online, y una exclusiva comunidad de aprendizaje privada que nos ayudamos aportando nuestras experiencias en el foro de comunicación del curso. Con esta formación disfrutarás aprendiendo desde dónde quieras, sin tener que desplazarte, sin horarios, con quién quieras, según tus necesidades y disponibilidad. Aprenderás con un instructor avalado por miles da alumnos satisfechos en todo el mundo (comentarios certificados). Conocerás las técnicas, métodos, trucos y flujos de trabajo de este sector creativo. El docente te transmitirá su sabiduría y conocimientos con pasión a la vez que las explicaciones concisas, claras, sencillas y con un enfoque profesional en cada clase. Podrás conseguir un  certificado homologado personalizado y firmado por tu instructor en cada formación. De está forma podrás compartir tu título en tu portafolio, currículo, en redes sociales… Con la alta definición de los vídeos (vídeo fullHD y audio de estudio) conseguirá no te perder detalle. Podrás ver las clases las veces que requieras para recordar y perfeccionar tus habilidades como diseñador. Tendrás la posibilidad de preguntar, pedir opinión y ayuda al instructor, además de compartir tu experiencia de aprendizaje con los demás alumnos del curso, tan apasionados como tú, repartidos por todo el mundo. Seleccionamos cuidadosamente los contenidos y producimos cada curso para garantizar una experiencia de aprendizaje online integral y de la máxima calidad. ¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación ;)

Overview

Section 1: Introducción a Udemy y Bienvenida al curso Machine Learning con Weka.

Lecture 1 Sumilla.

Lecture 2 Uso de la Plataforma Udemy. Consejos para sacar el máximo partido a la web.

Lecture 3 Consejos y Recomendaciones para Usuarios de Udemy.

Lecture 4 Estructura del Curso que vas a Comenzar.

Lecture 5 Introducción a Machine Learning con Weka

Lecture 6 Sesión de Teoría #01 - Estructura del curso

Lecture 7 Sesión de Teoría #01 - Sumilla

Lecture 8 Sesión de Teoría #01 - ¿Qué es Weka?

Lecture 9 UCI Machine Learning

Lecture 10 Instalación Weka.

Lecture 11 ¡Preséntate!

Section 2: Machine Learning con Weka.

Lecture 12 Machine Learning con Weka

Lecture 13 Sesión de Teoría #02 - Tipos de aprendizaje

Lecture 14 Sesión de Teoría #02 - Clasificación de datos en Weka

Lecture 15 Sesión de Teoría #02 - Conceptos en Weka

Lecture 16 Interfaz Principal de Weka.

Lecture 17 Trabajar el Componente Explorer.

Lecture 18 Trabajar el Componente Experimenter.

Lecture 19 Los componentes KnowledgeFlow, Workbench y SimpleCLI.

Section 3: Pre-Análsis y pre-tratamiento de datos.

Lecture 20 Preanálisis y pretratamiento de datos

Lecture 21 Sesión de teoría #3 - Datasets en Weka

Lecture 22 Sesión de Teoría #03 - Tipos de problemas en Weka

Lecture 23 Dataset en formato arff.

Lecture 24 Cargar un CSV en Weka.

Lecture 25 Conjunto de datos para clasificación.

Lecture 26 Conjunto de datos para regresión.

Lecture 27 Estadística descriptiva.

Lecture 28 Distribución y visualización de dos datos.

Lecture 29 Para saber más…

Section 4: Pre-procesamiento de Datos para Machine Learning.

Lecture 30 Pre-procesamiento de datos para Machine Learning

Lecture 31 Sesión de Teoría #04 - Conceptos clave de Análisis de datos

Lecture 32 Sesión de Teoría #04 - Escalamiento básico

Lecture 33 Sesión de Teoría #04 - Escalamiento avanzado

Lecture 34 Filtros en los conjuntos de datos.

Lecture 35 Normalización en un conjuntos de datos.

Lecture 36 Estandarización en un conjuntos de datos.

Lecture 37 Discretización en un conjuntos de datos.

Lecture 38 Convertir a variables dummy.

Lecture 39 Identificación de valores missing.

Lecture 40 Eliminar valores missing.

Lecture 41 Sistituir valores missing.

Lecture 42 Para Saber Más…

Section 5: Análisis de Datos en Machine Learning.

Lecture 43 Análisis de datos en Machine learning.

Lecture 44 Sesión de Teoría #05 - Feature Selection

Lecture 45 Sesión de Teoría #05 - Algoritmos de Machine Learning

Lecture 46 Sesión de Teoría #05 - Estimar el resultado

Lecture 47 Recorrido por el panel de feature.

Lecture 48 Feature selection basada en correlación.

Lecture 49 Feature selection basada en ganancia de información.

Lecture 50 Feature selection basada en aprendizaje.

Lecture 51 Recorrido por el panel de clasificación.

Lecture 52 Algoritmos según la taxonomía de machine.

Lecture 53 Configuración de algoritmos.

Lecture 54 Entrenamiento de modelos de machine.

Lecture 55 Evaluación de los algoritmos.

Lecture 56 Resultado de línea base.

Lecture 57 Para Saber Más…

Section 6: Fase de Modelado en Machine Learning.

Lecture 58 Fase de modelado en machine learning.

Lecture 59 Sesión de Teoría #6 - Contexto sobre algoritmos

Lecture 60 Sesión de Teoría #6 - Algoritmos Taxonomía Lineal y No Lineal

Lecture 61 Sesión de Teoría #6 - Algoritmos Taxonomía Ensamblados

Lecture 62 Clasificación. Logistic Regression.

Lecture 63 Clasificación. Naive Bayes.

Lecture 64 Clasificación. Decision Tree.

Lecture 65 Clasificación. k-Nearest Neighbors.

Lecture 66 Clasificación. Support Vector Machine.

Lecture 67 Regresión. Linear Regression.

Lecture 68 Regresión. k-Nearest Neighbors.

Lecture 69 Regresión. Decision Tree.

Lecture 70 Regresión. Support Vector Reggresion.

Lecture 71 Regresión. Multilayer Perceptron.

Lecture 72 Ensamblado. Boostrap Aggregation.

Lecture 73 Ensamblados. Random Forest.

Lecture 74 Ensamblados. AdaBoost.

Lecture 75 Ensamblados. Voting.

Lecture 76 Ensamblados. Stacking.

Lecture 77 Para saber más…

Section 7: Fase de optimización y Forecasting

Lecture 78 Fase de optimización y Forecasting

Lecture 79 Sesión de Teoría #7 - Proyectos de Machine Learning en Weka

Lecture 80 Sesión de Teoría #7 - Realizar Predicciones

Lecture 81 Comparar el rendimiento de los algoritmos.

Lecture 82 Comparar algoritmos. Diseño y ejecución.

Lecture 83 Comparar algoritmos. Resultados.

Lecture 84 Optimización. Hiperparámetros.

Lecture 85 Optimización. Diseño y ejecución.

Lecture 86 Optimización. Resultados del algoritmo.

Lecture 87 Forecasting. Entrenamiento del modelo.

Lecture 88 Forecasting. Guardar-Cargar un modelo.

Lecture 89 Forecasting. Hacer predicciones con el modelo entrenado.

Lecture 90 Proyectos completos en machine learning.

Section 8: Aprendizaje No Supervisado

Lecture 91 Aprendizaje No Supervisado [Materiales]

Lecture 92 Aprendizaje No Supervisado

Lecture 93 Algoritmos de clustering (I)

Lecture 94 Algoritmos de clustering (II)

Lecture 95 k-Means

Lecture 96 Métodos basado en densidad

Lecture 97 Clustering Jerárquico

Lecture 98 Explorer - Cluster

Lecture 99 Ejemplo de Clustering (I)

Lecture 100 Ejemplo de Clustering (II)

Lecture 101 Reglas de asociacion [Teoría]

Lecture 102 Reglas de asociacion [Práctica]

Section 9: Solicitud del Certificado de Finalización del Curso.

Lecture 103 Mis cursos Udemy con Descuento

Lecture 104 Certificado de Finalización del Curso.

Section 10: Consultas de los Alumnos.

Lecture 105 Resolución de las principales consultas de los alumnos del curso.

Lecture 106 Videoconferencia completa #01

Lecture 107 Videoconferencia completa #02

Lecture 108 Videoconferencia completa #03

Lecture 109 Videoconferencia completa #04

Lecture 110 Videoconferencia completa #05.

Lecture 111 Videoconferencia completa #06

Lecture 112 Videoconferencia completa #07

Aquellos usuarios del programa que quieran ampliar el dominio de mismo y conocer múltiples trucos, consejos y recursos para esta herramienta.,Estudiantes que quieran acceder a una formación innovadora orientada a la metodología de trabajo del mundo laboral, en un formato de e-learining para aprender donde quieran y a su propio ritmo.,Además, el curso está diseñado para que cualquier estudiante universitario, investigador o tecnólogo que se encuentre realizando o necesite realizar diferentes experimentos a través de grandes conjuntos de datos para poder sintetizarlos en alguna salida predictiva puedan utilizar los muy diferentes recursos de machine learning que nos pone a nuestra disposición el software Weka Workbench.,El curso de Machine learning para la investigación está dirigido a personas que tengan pocos conocimientos de machine learning y quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo.,Sobre todo aquellas personas en crecer profesionalmente, aumentar sus habilidades y formar parte de nuestra comunidad educativa.,Principalmente aquellos que quieran aumentar sus posibilidades de empleabilidad, contratación y/o promocionar dentro de su sector.