Це відео не доступне.
Перепрошуємо.
Ruta de aprendizaje para MACHINE LEARNING - Cómo EMPEZAR este 2024?
Вставка
- Опубліковано 12 сер 2024
- ⚠️ATENCION:⚠️
Para concluir con este Roadmap debes de aprender DEEP LEARNING. Se me olvido aclararlo en el video, DISCULPAME!!!😣. Se esta desarrollando ese video. O a lo mejor ya esta en el canal. De cualquier manera espero y puedas desarrollar esta valiosa habilidad. Un abrazo muy grande y mucho éxito en tu camino.!! 😄
Roadmap Machine Learning. 🤖
- Lenguaje de Programación (Python) Sintaxis básica y estructuras de datos: 🐍
- Variables y tipos de datos (enteros, flotantes, cadenas, listas, diccionarios).
- Operadores y expresiones.
- Control de flujo (if, else, elif).
- Bucles (for, while).
*Funciones:*
- Definir y llamar funciones. Parámetros y argumentos.
*Librerías estándar:*
- Bibliotecas de Python (math, random,etc).
- Algebra, Calculo, Estadística y Probabilidad.📊
- ALGEBRA LINEAL:
- Vectores y matrices.
- Operaciones vectoriales y matriciales.
- CALCULO
- Derivadas e integrales.
- Gradientes y optimización.
- Estadistica
- Medidas de tendencia central y dispersión.
- Distribuciones de probabilidad.
- Librerías para Datos. 📗
- Pandas
- Numpy
- Matplotlib
- Conceptos de Machine Learning. 🤖
**Tipos de Machine Learning: • Asi aprende una Algori...
- Aprendizaje supervisado.
- Aprendizaje no supervisado.
- Aprendizaje por refuerzo.
*Etapas de un Proyecto de Machine Learning:*
- Recopilación y preparación de datos.
- Selección y entrenamiento del modelo.
- Evaluación y ajuste del modelo.
*Tipos de Algoritmos (Futuros Videos)*
- Regresion Lineal Simple y Multiple
- Regresion Logistica
- Clasificacion
- Arbol de Desiciones
- KNN
- Clustering
- SVM
*Métricas de Evaluación:*
- Precisión, recall, F1-score
- MSE (Mean Squared Error), R-squared
- División de datos en conjuntos de entrenamiento y prueba.
- Validación cruzada.
- Conocer la librería Scikit-Learn. 🖥️
- En el momento que crees tu primer modelo la vas a usar. Solo aclaro que hay que profundizar mas en la librería
- Profundizar Temas mas complejos 🗿
- Underfitting
- Overfiitting
- Regularización (L1, L2).
- Gradient Descent y variantes.
- Aprendizaje profundo (Deep Learning).
- Ingles. 🌍
- Canal de Mr. Salas: / @mrsalas
- El te lo explicara de mejor manera como aprender Ingles.!!🙂
- Deep Learning • Que es el DEEP LEARNIN...
- Conceptos Basicos. Que es.? Que es una red Neuronal?? Que es Funciones de activación.?
- Frameworks (pytorch, TensorFlow)
- Practicar. 🦾
- Kaggle: www.kaggle.com/
- Cursos Coursera: www.coursera.org/specializati...
- Trabajar en proyectos prácticos para aplicar lo aprendido.
0:00 Inicio
1:11 Que es Machine Learning
2:03 Lenguaje de Programación
4:18 Algebra, Calculo, Estadística y Probabilidad
6:06 Librerías para Datos
7:03 Conceptos de Machine Learning.
10:09 Scikit-Learn
10:38 Profundizar Temas mas complejos
12:48 Ingles (Opcional)
13:52 Practicar
Instagram ✅ / richardzone_dc
Sigueme.!! Un abrazo muy fuerte. Te amo. 😊
![ЛЕБЕДЕВ у ДУДЯ: муху не обманешь 😁 [Пародия]](http://i.ytimg.com/vi/E74h5fvVrqs/mqdefault.jpg)
Hay que resaltar que tambien debemos de aprender SQL para el manejo de base de datos.
Eso se asume de cajón, papu
Gracias crack
Así es
En clustering el overfitting se da justo cuando usas menos cluster de los que deberías porque el ruido afecta mucho al modelo, no como dijistes en el vídeo.
Me sirvió la información. Nos vemos en el siguiente video.!!:)
Me interesa el Machine Learning y justo estaba buscando un guía para empezar a aprender los temas básicos :) Tu manera de explicar es sencilla de entender y se enota que te motiva y sabes mucho del tema. ASI QUE Nueva Suscriptora😁😁 GRACIAS POR COMPARTIR !!
El mejor video hasta el momento que he visto sobre el tema o porlomenos el mejor explicado, muchas gracias 🫂
Me suscribo nomas porque explicas lo difícil a un nivel práctico y fácil de comprender. Gracias
Q buen video compa, muy motivador para aprender y profundizar todo lo q dices ♥
buen resumen, like y nuevo sub, saludos!
bro, increíble video has este tema que vas a llegar lejos!!!!
Bravazo Bro! Gracias por compartir toda esta información, me has dado una gran guia que seguir 🙏
muy buen video gtacias por toda la informacion, increible la edicion y toda la informacion q diste en tan poco tiempo¡
Excelente video... felicitaciones.ya estoy suscrito
Muy buen video? Gracias por compartir conocimientos 💯
Que video tan excelente muchas gracias
Excelente
Aguante Mr Salas 🎉🎉
Interesante información 😊
Gracias
Buen vídeo ❤
Primer video actual en español que consigo, muchas gracias tqm, sigue asi
Venga aprendamos juntos. Yo sé que puedes. Un abrazo muy grande gracias.:))
Te ganaste un suscriptor ❤ Tendrás la ruta completa de aprendizaje o un curso que sea capaz de enseñarme de cero a experto?
Hola, soy desarrollador web pero quiero mirgrar a esta area siempre me ha gustado, gracias por el video mas o menos tenia idea de los temas a estudiar pero me diste mas luz, aprender lo básico y practicar y practicar
ando igual a veces me pregunto si no se quema uno del cerebro me gusta mucho el backend pero tambien data enginner y agarrarle cariño a las mates para ML
@@luislopezfloresfilmaker6258 se quema un poco uno, hay días que no me provoca nada, pero por experiencia que llevo estudiando, comencé con la librería numpy es muy sencilla pero sentía que no entendía nada por que no tenia los conceptos de estadística descriptiva e inferencial asi que me vi obligado a estudiarlos, practicando ejercicios me tope con uno de matrices que numpy los hace solo pero nuevamente sentia que sin saber las matemáticas no se cuando usarlo realmente, así que me aprendí las funciones de numpy y ando aprendiendo algebra lineal solo vectores, matrices y la librería Pandas.
Resumiendo un poco, con las bases de matemáticas no necesitas saber hacerlo en papel y lápiz, simplemente saber para que se usan y cuando basta, ya que los modelos matemáticos ya están creados tu solo los vas a implementar, esta ha sido mi percepción por el momento no he tocada nada inteligencia solo análisis de datos y un poco de ciencia de datos
Gracias Tiago PZK te amo
Ahahaha incredible xd.
Vale.
🗿🗿
La verdad no soy bueno con los numeros creo que no es para mi
antes del Machin Learning viene el calculo:
antes del calculo viene:
Aritmética: Fundamentos básicos de números, operaciones aritméticas y propiedades.
Álgebra: Ecuaciones lineales, polinomios, sistemas de ecuaciones lineales, matrices y determinantes.
Trigonometría: Funciones trigonométricas, identidades trigonométricas y resolución de triángulos.
Geometría analítica: Coordenadas cartesianas, ecuaciones de rectas y círculos.
Estadística básica: Conceptos como media, mediana, moda, desviación estándar, distribuciones de probabilidad y teorema del límite central.
Cálculo diferencial: Límites, derivadas y aplicaciones de la derivada en la optimización y el análisis de funciones.
Cálculo integral: Integrales definidas e indefinidas, técnicas de integración y aplicaciones en el cálculo de áreas y volúmenes.
Álgebra lineal: Vectores, espacios vectoriales, transformaciones lineales, valores y vectores propios.
Probabilidad: Conceptos como eventos aleatorios, probabilidad condicional, distribuciones de probabilidad continuas y discretas.
Optimización: Métodos para encontrar máximos o mínimos de funciones, como el método del gradiente descendente.
Teoría de la información: Conceptos como la entropía y la información mutua.
Lo bueno que ya vi todo eso.
@@IRagnarox a nadie le importa que viste
@@IRagnarox No es el hecho de verlo bro, es saber aplicarlo al mundo real, si es asi, bien por ti
es bien paga por que no es fácil es extremadamente difícil, nadie paga tanto por hacer algo fácil
En efecto, metete a Linkedin y revisa lo que piden. jajaj
4:13 Julia yala
Buenas hay una comunidad de discord de maching learning?
Todavía no hermano.:'(
@@RichyDC1 mano has tu comunidad de discord como lo hacen otros canales
el ingles no es opcional !!!!!!!!!
Me gusta que refuerces ese punto.👌
LA mayoria de esos trabajos estan en USA
Recomendacion, ser ingeniero graduado. No piensen que esto es como hacer un login en react. Dejen de venderle falsas esperanzas a la gente.
falso no se necesita ser graduado ni nada SQl y python son lenguajes faciles de aprender ,lo dificil son las matematicas ,lo que se necesita es tener un buen pensamiento logico y matematico
@@Eduardo-st2si sabes leer? O necesitas un bootcamp de lectura? Sabes la diferencia entre RECOMENDACION y NECESITAR?
@@iExoceS
📍En tu comentario pusiste que era falso lo que decia el chico, pues no, no soy graduado y sin embargo trabajo en esto... Apuesto que eres alguien que recien empieza y cree que se la sabe todas😂 o un casi ingeniero frustrado, hoy en dia la experiencia vale mas que un titulo, si sabes ingles y conocimientos tecnologicos ya esta, estas mejor valorado que un tipo que estudio una carrera y que no sabe ingles y no tiene experiencia en el rubro, aunque un titulo te podria dar mejor posicionamento, sin embargo para trabajar en machine learning no es necesario.
@@zantinibarassi4925 seguramente entraste a trabajar de eso hace unos años cuando te contrataban por saber prender una PC. Hoy, si fueses el de aquel dia, y sin experiencia no tocas ni la puerta de una empresa. Y no te equivoques, vos solamente sabes hacer eso, el ingeniero no, y puede terminar siendo tu jefe. Saludos.
Estudio Computer Science en Usa, pero creo que lo voy a mandar para la put4 mierd4
Cuanto consideras que sería el tiempo de aprendizaje como autodidacta tomando en cuenta las nuevas herramientas de IA si empiezo desde cero amigo? Ojalá puedas responder porfa