Welcome to TTAD-master’s documentation!
Introducción a Python
Estructura de proyecto
Librería Numpy
Control de versiones
Pandas
ETL Process
Machine Learning techniques
- Introducción a las técnicas de Machine Learning (ML)
- ¿Qué es Machine Learning?
- Tareas más recurrentes en ciencias de datos
- Planteemos un problema de recomendación desde una perspectiva más ‘tradicional’
- Sobre el aprendizaje automático o machine learning
- Tipos de algoritmos
- A) Aprendizaje supervisado
- B) Aprendizaje no supervisado
- Elección de algoritmo
- Entre los problemas de datos más habituales:
- Bibliografía
- Modelado / Modelling
- Anexo A
- Actividad: Regresión Lineal
- Algoritmos supervisados: un proyecto sobre predicción temporal
- Preparemos los datos
- Análisis de una serie temporal
- Predicción con ARIMA
- Reflexiones
- Gestión del tiempo.
- 1. Uso de la regularización
- Ridge Regression
- Lasso Regression (L1)
- Elastic Net Regression
- Regresión polinómica
- Regresión no lineal: un ejemplo
- 3.1 Errores cuadráticos
- 3.2 Errores absolutos
- 3.3 Generalización
- 3.4 Coeficiente de determinación (\(R^2\))
- Ejercicio
- Ejercicio
- Aprendizaje supervisado: la clasificación
- Algoritmos no supervisados: Agrupamiento / Clustering
Note
This project is under active development.