Skip to content

Repositorio de la materia Machine Learning del Máster en Big Data y Business Analytics (ADEN Business School). Incluye apuntes, notebooks en Python y ejemplos prácticos que abarcan desde los fundamentos de aprendizaje supervisado y no supervisado hasta casos de aplicación empresarial.

License

Notifications You must be signed in to change notification settings

gonzalezulises/ADEN-ML101

Repository files navigation

ADEN-ML101: Curso Práctico de Machine Learning

Python Jupyter Colab Scikit-Learn PyTorch

Este repositorio contiene el material de apoyo, lecturas y laboratorios prácticos para el curso Machine Learning 101.
El curso sigue un enfoque 90% práctico, apoyado en Google Colab y GitHub para la gestión de versiones.


Objetivos

  • Comprender los fundamentos del Machine Learning y sus aplicaciones.
  • Diferenciar entre aprendizaje supervisado y no supervisado.
  • Implementar modelos de regresión, clasificación y ensambles.
  • Evaluar métricas, evitar el overfitting y aplicar optimización de modelos.
  • Desarrollar un proyecto de Machine Learning de principio a fin.

Sesiones y Materiales

Sesión Tema Lectura Fundamental Módulo de Google Laboratorio
1 ¿Qué es el ML? "The Bitter Lesson" Problem Framing Cap. 1: Panorama ML
2 Sistemas y Datos Data-Centric AI Preparación de datos Cap. 2: Proyecto ML
3 Supervisado vs. No Supervisado "Autonomous Machine Intelligence" Clustering Cap. 9: Unsupervised
4 Ingeniería de Características "Word2Vec" Feature Engineering Cap. 13: Preprocesamiento
5 Introducción a Scikit-Learn "Scikit-learn: Machine Learning in Python" Crash Course ML Cap. 2: Proyecto ML
6 Modelos de Regresión "An Introduction to Statistical Learning" (Cap. 3) Crash Course ML - Regresión Cap. 4: Regresión Lineal
7 Clasificación "Nearest neighbor pattern classification" Clasificación de imágenes Cap. 3: Clasificación
8 Árboles de Decisión "Random Forests", "XGBoost" Decision Forests Cap. 6: Árboles, Cap. 7: Ensambles
9 Métricas de Evaluación "Precision-Recall vs ROC" Testing & Debugging Cap. 3: Métricas
10 Overfitting y Validación "Dropout" Generalización Cap. 2: Cross-Validation
11 Optimización "Adam", "Bayesian Optimization" Producción ML Cap. 2: GridSearchCV

Requisitos

  • Computadora con Python 3.9+ instalado.
  • Navegador para usar Google Colab.
  • Cuenta de GitHub para clonar y versionar el repo.
  • Conocimientos básicos de programación en Python.

Cómo usar este repositorio

  1. Clona el repo:
    git clone https://github.com/gonzalezulises/ADEN-ML101.git
    cd ADEN-ML101

About

Repositorio de la materia Machine Learning del Máster en Big Data y Business Analytics (ADEN Business School). Incluye apuntes, notebooks en Python y ejemplos prácticos que abarcan desde los fundamentos de aprendizaje supervisado y no supervisado hasta casos de aplicación empresarial.

Topics

Resources

License

Stars

Watchers

Forks