Este curso en línea gratuito describe la configuración de un entorno de aprendizaje automático de Python y cómo declarar variables de Python.

El

aprendizaje automático (ML) es el estudio de algoritmos informáticos que mejoran automáticamente a través de la experiencia y mediante el uso de datos. Configurar el entorno de Python para el aprendizaje automático puede ser una tarea complicada. Si nunca antes has configurado algo así, es posible que pases horas jugando con diferentes comandos intentando que funcione. Esta introducción al aprendizaje automático con Python cubrirá casi todo lo que necesita saber para empezar, incluidos los fundamentos del aprendizaje automático moderno, los ejemplos y usos del aprendizaje automático y el proceso de aprendizaje automático. A continuación, pasaremos a algunos aspectos prácticos de la instalación de Jupyter, que es una herramienta web interactiva, gratuita y de código abierto. Se conoce como cuaderno computacional y se puede usar para combinar código de software, resultados computacionales y recursos multimedia en un solo documento. Este curso de aprendizaje automático de Python le ofrece una guía paso a paso sobre cómo instalar y usar el cuaderno Jupyter.

El aprendizaje automático es clave para desarrollar sistemas inteligentes y analizar datos en ciencia e ingeniería. Una variable de Python es una ubicación de memoria reservada para almacenar valores. En otras palabras, una variable de un programa de Python se puede usar para enviar datos a la computadora para su procesamiento. En este curso se explica cómo declarar las variables de Python y cómo trabajar con ellas, antes de pasar a las funciones, los condicionales y los bucles de Python. Las tuplas son el siguiente tema tratado y tu aprendizaje incluye cómo crear y obtener una lista de ellas, así como algunos ejemplos. Esta sección del curso concluye con el aprendizaje sobre los módulos, es decir, un archivo que contiene sentencias y definiciones de Python y que se utiliza para dividir programas grandes en archivos pequeños, manejables y organizados. También se le enseñará cómo importar módulos a Python

La última parte del curso trata sobre scikit-learn, que es un módulo de Python para el aprendizaje automático creado sobre SciPy y que se distribuye bajo la licencia BSD de 3 cláusulas. El proyecto fue fundado en 2007 por David Cournapeau como un proyecto de Google Summer of Code, y desde entonces han contribuido muchos voluntarios. En este tutorial para principiantes sobre el aprendizaje automático de Python, aprenderás cómo crear un modelo de clasificación usando scikit-learn, junto con sus usos y el proceso de instalación. El conjunto de datos Iris se usa ampliamente como conjunto de datos para principiantes con fines de aprendizaje automático. El conjunto de datos está incluido en R:BASE (o RBASE) y Python en scikit-learn, de modo que los usuarios pueden acceder a él sin tener que buscar una fuente. Este curso de aprendizaje automático termina con un análisis detallado sobre la importación del conjunto de datos de Iris a un archivo de Python mediante Scikit-learn, sobre cómo preparar, organizar y cargar los datos, antes de enseñarte cómo crear tu propio KNeighborsClassifier. Deberías inscribirte en este curso si te dedicas al desarrollo de sitios web o aplicaciones o si quieres explorar una carrera como analista de datos y quieres combinar tu pasión por el aprendizaje automático y la programación en Python. Este curso no se ha actualizado con el uso de modelos de IA generativa, como