TorBT - Torrents and Magnet Links Search Engine
Latest Searches: hand, reyna, kaguya sama, queens, ssis, artificial, barbie rous, l我本, mulan, девушки

Curso completo de Machine Learning Data Science en Python - COMPLETO

Magnet Download Download Torrent
File Name
Size
1. Introducción/1. Introducción.mp4
150 MB
1. Introducción/2. Pre requisitos del curso.mp4
36 MB
1. Introducción/4. Acerca de la valoración prematura del curso en Udemy.mp4
14 MB
1. Introducción/3. Conoce a tu instructor online, Juan Gabriel Gomila.mp4
6.1 MB
1. Introducción/1. Introducción.srt
7.7 kB
1. Introducción/4. Acerca de la valoración prematura del curso en Udemy.srt
4.3 kB
1. Introducción/3. Conoce a tu instructor online, Juan Gabriel Gomila.srt
3.1 kB
1. Introducción/2. Pre requisitos del curso.srt
2.5 kB
10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.mp4
308 MB
10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.mp4
296 MB
10. Árboles y bosques aleatorios/7. Los problemas del árbol.mp4
235 MB
10. Árboles y bosques aleatorios/2. ¿Qué es un árbol de decisión.mp4
182 MB
10. Árboles y bosques aleatorios/14. Random forests.mp4
177 MB
10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.mp4
171 MB
10. Árboles y bosques aleatorios/9. El tratamiento de ficheros dot.mp4
154 MB
10. Árboles y bosques aleatorios/11. Los árboles de regresión.mp4
150 MB
10. Árboles y bosques aleatorios/3. Homogeneidad en los datos.mp4
142 MB
10. Árboles y bosques aleatorios/6. La poda del árbol.mp4
131 MB
10. Árboles y bosques aleatorios/17. ¿Por qué funcionan los random forests.mp4
129 MB
10. Árboles y bosques aleatorios/8. Los árboles de clasificación con Python.mp4
128 MB
10. Árboles y bosques aleatorios/10. La validación cruzada en un árbol de clasificación.mp4
106 MB
10. Árboles y bosques aleatorios/12. El dataset de las casas de Boston y Kaggle.mp4
93 MB
10. Árboles y bosques aleatorios/15. Random forests para regresión.mp4
92 MB
10. Árboles y bosques aleatorios/1. Árboles y bosques aleatorios.mp4
80 MB
10. Árboles y bosques aleatorios/18. Resumen de árboles y bosques aleatorios.mp4
67 MB
10. Árboles y bosques aleatorios/16. Random forest para clasificación.mp4
58 MB
10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.srt
20 kB
10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.srt
19 kB
10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.srt
19 kB
10. Árboles y bosques aleatorios/8. Los árboles de clasificación con Python.srt
19 kB
10. Árboles y bosques aleatorios/9. El tratamiento de ficheros dot.srt
18 kB
10. Árboles y bosques aleatorios/7. Los problemas del árbol.srt
17 kB
10. Árboles y bosques aleatorios/10. La validación cruzada en un árbol de clasificación.srt
13 kB
10. Árboles y bosques aleatorios/12. El dataset de las casas de Boston y Kaggle.srt
12 kB
10. Árboles y bosques aleatorios/2. ¿Qué es un árbol de decisión.srt
12 kB
10. Árboles y bosques aleatorios/15. Random forests para regresión.srt
11 kB
10. Árboles y bosques aleatorios/14. Random forests.srt
11 kB
10. Árboles y bosques aleatorios/11. Los árboles de regresión.srt
9.5 kB
10. Árboles y bosques aleatorios/3. Homogeneidad en los datos.srt
8.5 kB
10. Árboles y bosques aleatorios/17. ¿Por qué funcionan los random forests.srt
7.8 kB
10. Árboles y bosques aleatorios/6. La poda del árbol.srt
7.4 kB
10. Árboles y bosques aleatorios/16. Random forest para clasificación.srt
5.7 kB
10. Árboles y bosques aleatorios/18. Resumen de árboles y bosques aleatorios.srt
4.7 kB
10. Árboles y bosques aleatorios/1. Árboles y bosques aleatorios.srt
4.2 kB
11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.mp4
308 MB
11. Máquinas de Soporte Vectorial/3. El problema de clasificación no óptimo.mp4
273 MB
11. Máquinas de Soporte Vectorial/15. Práctica de SVM Clasificación de las flores de Iris.mp4
269 MB
11. Máquinas de Soporte Vectorial/2. Las support vector machines.mp4
244 MB
11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.mp4
226 MB
11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.mp4
213 MB
11. Máquinas de Soporte Vectorial/16. Truco qué hacer cuando me toca hacer una análisis de datos.mp4
142 MB
11. Máquinas de Soporte Vectorial/11. Kernels no lineales.mp4
122 MB
11. Máquinas de Soporte Vectorial/13. Ajustando las SVM.mp4
114 MB
11. Máquinas de Soporte Vectorial/17. SVM para regresión.mp4
111 MB
11. Máquinas de Soporte Vectorial/1. Las máquinas de soporte vectorial.mp4
108 MB
11. Máquinas de Soporte Vectorial/12. Radial basis function.mp4
94 MB
11. Máquinas de Soporte Vectorial/8. El problema de la separación.mp4
62 MB
11. Máquinas de Soporte Vectorial/7. Representación gráfica del hiperplano separador en 2D.mp4
60 MB
11. Máquinas de Soporte Vectorial/6. Creando el modelo clasificador lineal.mp4
58 MB
11. Máquinas de Soporte Vectorial/9. Maximizar el margen de clasificación.mp4
41 MB
11. Máquinas de Soporte Vectorial/5. Soporte Vectorial Clasificador Lineal.mp4
40 MB
11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.srt
34 kB
11. Máquinas de Soporte Vectorial/15. Práctica de SVM Clasificación de las flores de Iris.srt
31 kB
11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.srt
27 kB
11. Máquinas de Soporte Vectorial/17. SVM para regresión.srt
19 kB
11. Máquinas de Soporte Vectorial/16. Truco qué hacer cuando me toca hacer una análisis de datos.srt
17 kB
11. Máquinas de Soporte Vectorial/3. El problema de clasificación no óptimo.srt
16 kB
11. Máquinas de Soporte Vectorial/13. Ajustando las SVM.srt
14 kB
11. Máquinas de Soporte Vectorial/2. Las support vector machines.srt
14 kB
11. Máquinas de Soporte Vectorial/11. Kernels no lineales.srt
13 kB
11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.srt
12 kB
11. Máquinas de Soporte Vectorial/8. El problema de la separación.srt
10 kB
11. Máquinas de Soporte Vectorial/12. Radial basis function.srt
9.8 kB
11. Máquinas de Soporte Vectorial/6. Creando el modelo clasificador lineal.srt
9.7 kB
11. Máquinas de Soporte Vectorial/5. Soporte Vectorial Clasificador Lineal.srt
8.5 kB
11. Máquinas de Soporte Vectorial/7. Representación gráfica del hiperplano separador en 2D.srt
8.0 kB
11. Máquinas de Soporte Vectorial/1. Las máquinas de soporte vectorial.srt
5.6 kB
11. Máquinas de Soporte Vectorial/9. Maximizar el margen de clasificación.srt
5.6 kB
12. K Nearest Neighbors/2. Los k vecinos más cercanos.mp4
199 MB
12. K Nearest Neighbors/8. Nuestro algoritmo vs scikit-learn.mp4
127 MB
12. K Nearest Neighbors/7. Implementando la decisión por mayoría.mp4
124 MB
12. K Nearest Neighbors/4. Clasificación según los K vecinos.mp4
95 MB
12. K Nearest Neighbors/3. Limpieza del dataset del Cancer.mp4
66 MB
12. K Nearest Neighbors/6. Creando los datos para la clasificación.mp4
66 MB
12. K Nearest Neighbors/5. Clasificando nuevos datos de los tests médicos.mp4
65 MB
12. K Nearest Neighbors/1. La decisión de los K vecinos.mp4
64 MB
12. K Nearest Neighbors/9. Una opinión final sobre los algoritmos de Machine Learning.mp4
58 MB
12. K Nearest Neighbors/7. Implementando la decisión por mayoría.srt
19 kB
12. K Nearest Neighbors/8. Nuestro algoritmo vs scikit-learn.srt
14 kB
12. K Nearest Neighbors/2. Los k vecinos más cercanos.srt
14 kB
12. K Nearest Neighbors/6. Creando los datos para la clasificación.srt
11 kB
12. K Nearest Neighbors/4. Clasificación según los K vecinos.srt
11 kB
12. K Nearest Neighbors/3. Limpieza del dataset del Cancer.srt
9.2 kB
12. K Nearest Neighbors/9. Una opinión final sobre los algoritmos de Machine Learning.srt
8.9 kB
12. K Nearest Neighbors/5. Clasificando nuevos datos de los tests médicos.srt
8.3 kB
12. K Nearest Neighbors/1. La decisión de los K vecinos.srt
3.8 kB
13. Sistemas de recomendación/9. Filtrando con los K nearest neighbors.mp4
116 MB
13. Sistemas de recomendación/1. El rol de las recomendaciones dinámicas en el siglo XXI.mp4
115 MB
13. Sistemas de recomendación/10. Sistemas de Recomendación basados en Ítems.mp4
110 MB
13. Sistemas de recomendación/12. Los resultados finales.mp4
83 MB
13. Sistemas de recomendación/2. El dataset de películas de Movie Lens.mp4
73 MB
13. Sistemas de recomendación/6. La matriz de similaridad entre usuarios.mp4
57 MB
13. Sistemas de recomendación/7. Predecir la valoración de un ítem para un usuario.mp4
57 MB
13. Sistemas de recomendación/11. Recomendando con los K items más parecidos.mp4
56 MB
13. Sistemas de recomendación/3. Análisis exploratorio de los datos y distribución de las valoraciones.mp4
39 MB
13. Sistemas de recomendación/4. Esparseidad de los datos.mp4
38 MB
13. Sistemas de recomendación/5. División en entrenamiento y validación.mp4
26 MB
13. Sistemas de recomendación/9. Filtrando con los K nearest neighbors.srt
15 kB
13. Sistemas de recomendación/10. Sistemas de Recomendación basados en Ítems.srt
11 kB
13. Sistemas de recomendación/12. Los resultados finales.srt
11 kB
13. Sistemas de recomendación/2. El dataset de películas de Movie Lens.srt
8.7 kB
13. Sistemas de recomendación/6. La matriz de similaridad entre usuarios.srt
7.8 kB
13. Sistemas de recomendación/3. Análisis exploratorio de los datos y distribución de las valoraciones.srt
7.4 kB
13. Sistemas de recomendación/4. Esparseidad de los datos.srt
7.1 kB
13. Sistemas de recomendación/1. El rol de las recomendaciones dinámicas en el siglo XXI.srt
7.1 kB
13. Sistemas de recomendación/7. Predecir la valoración de un ítem para un usuario.srt
6.8 kB
13. Sistemas de recomendación/11. Recomendando con los K items más parecidos.srt
6.5 kB
13. Sistemas de recomendación/5. División en entrenamiento y validación.srt
4.4 kB
13. Sistemas de recomendación/8. Corrección Error en la clase anterior.html
1.5 kB
14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.mp4
310 MB
14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.mp4
267 MB
14. Análisis de componentes principales/2. El problema de la dimensión.mp4
203 MB
14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.mp4
189 MB
14. Análisis de componentes principales/9. La selección de las componentes principales.mp4
157 MB
14. Análisis de componentes principales/14. Coloraciones y etiquetas de plotly.mp4
141 MB
14. Análisis de componentes principales/12. Más gráficos con Plotly.mp4
93 MB
14. Análisis de componentes principales/1. Análisis de Componentes principales.mp4
88 MB
14. Análisis de componentes principales/10. La proyección en el subespacio vectorial resultante.mp4
88 MB
14. Análisis de componentes principales/7. Los valores y vectores propios de la matriz de covarianzas.mp4
83 MB
14. Análisis de componentes principales/11. Implementación de ACP con sklearn.mp4
71 MB
14. Análisis de componentes principales/8. La matriz de correlaciones y el Singular Value Decomposition.mp4
67 MB
14. Análisis de componentes principales/4. Implementando nuestro propio ACP en Python.mp4
43 MB
14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.srt
30 kB
14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.srt
30 kB
14. Análisis de componentes principales/9. La selección de las componentes principales.srt
20 kB
14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.srt
19 kB
14. Análisis de componentes principales/14. Coloraciones y etiquetas de plotly.srt
16 kB
14. Análisis de componentes principales/2. El problema de la dimensión.srt
13 kB
14. Análisis de componentes principales/12. Más gráficos con Plotly.srt
11 kB
14. Análisis de componentes principales/7. Los valores y vectores propios de la matriz de covarianzas.srt
11 kB
14. Análisis de componentes principales/10. La proyección en el subespacio vectorial resultante.srt
10 kB
14. Análisis de componentes principales/4. Implementando nuestro propio ACP en Python.srt
9.8 kB
14. Análisis de componentes principales/11. Implementación de ACP con sklearn.srt
8.8 kB
14. Análisis de componentes principales/8. La matriz de correlaciones y el Singular Value Decomposition.srt
7.5 kB
14. Análisis de componentes principales/1. Análisis de Componentes principales.srt
4.9 kB
14. Análisis de componentes principales/5. Cuidado con la siguiente libreria, plotly.html
540 B
15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.mp4
282 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/3. Acerca de las redes neuronales y el deep learning.mp4
233 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.mp4
216 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.mp4
185 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/9. Un resumen visual de imágenes.mp4
158 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/1. Redes neuronales del futuro.mp4
150 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/18. La fase de entrenamiento de la red neuronal.mp4
146 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/10. Pre procesado de imágenes previo al ML.mp4
146 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/11. Creación del modelo.mp4
107 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/12. Entrenamiento del modelo.mp4
101 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/5. Instalando TensorFlow en tu ordenador.mp4
87 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/8. Análisis exploratorio de los datos.mp4
85 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/17. Tensorflow y la regresión softmax.mp4
84 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/19. La fase de evaluación de la red neuronal.mp4
72 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/14. El dataset de reconocimiento de dígitos.mp4
66 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/2. Introducción a Tensor Flow.mp4
52 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/15. De datos desestructurados a espacios vectoriales n-dimensionales.mp4
42 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.srt
27 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.srt
23 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/9. Un resumen visual de imágenes.srt
19 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/10. Pre procesado de imágenes previo al ML.srt
18 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/18. La fase de entrenamiento de la red neuronal.srt
17 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/11. Creación del modelo.srt
16 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/5. Instalando TensorFlow en tu ordenador.srt
15 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/3. Acerca de las redes neuronales y el deep learning.srt
15 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/17. Tensorflow y la regresión softmax.srt
13 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/8. Análisis exploratorio de los datos.srt
13 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/12. Entrenamiento del modelo.srt
12 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.srt
11 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/1. Redes neuronales del futuro.srt
8.5 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/14. El dataset de reconocimiento de dígitos.srt
8.4 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/19. La fase de evaluación de la red neuronal.srt
7.9 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/2. Introducción a Tensor Flow.srt
6.5 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/15. De datos desestructurados a espacios vectoriales n-dimensionales.srt
5.7 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/6. Si tienes problemas con la instalación de TensorFlow.html
2.1 kB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/4. IMPORTANTE Versión de TensorFlow a utilizar.html
361 B
16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.mp4
198 MB
16. Juntar código de R y Python con la librería rpy2/9. Lo bueno de programación en Python, lo mejor de estadística con R.mp4
141 MB
16. Juntar código de R y Python con la librería rpy2/8. Rmagic.mp4
109 MB
16. Juntar código de R y Python con la librería rpy2/5. Llevando objetos de Python a R.mp4
104 MB
16. Juntar código de R y Python con la librería rpy2/2. Instalar la librería rpy2.mp4
89 MB
16. Juntar código de R y Python con la librería rpy2/1. Cuando Python conoce a R, no hay límites en el Big Data.mp4
71 MB
16. Juntar código de R y Python con la librería rpy2/4. Llevando objetos de R a Python.mp4
69 MB
16. Juntar código de R y Python con la librería rpy2/6. Cómo instalar y cargar paquetes de R desde Python.mp4
63 MB
16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.srt
25 kB
16. Juntar código de R y Python con la librería rpy2/9. Lo bueno de programación en Python, lo mejor de estadística con R.srt
16 kB
16. Juntar código de R y Python con la librería rpy2/8. Rmagic.srt
13 kB
16. Juntar código de R y Python con la librería rpy2/5. Llevando objetos de Python a R.srt
12 kB
16. Juntar código de R y Python con la librería rpy2/2. Instalar la librería rpy2.srt
10 kB
16. Juntar código de R y Python con la librería rpy2/4. Llevando objetos de R a Python.srt
8.6 kB
16. Juntar código de R y Python con la librería rpy2/6. Cómo instalar y cargar paquetes de R desde Python.srt
6.4 kB
16. Juntar código de R y Python con la librería rpy2/1. Cuando Python conoce a R, no hay límites en el Big Data.srt
4.1 kB
16. Juntar código de R y Python con la librería rpy2/3. Nota adicional para instalar rpy2 en Windows.html
1.0 kB
17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.mp4
175 MB
17. ¿Qué nos depara el futuro/3. Nos vemos en el próximo curso.mp4
36 MB
17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.srt
12 kB
17. ¿Qué nos depara el futuro/3. Nos vemos en el próximo curso.srt
2.1 kB
17. ¿Qué nos depara el futuro/4. Un regalo para ti.html
555 B
17. ¿Qué nos depara el futuro/2. Ejemplo dashboard con las valoraciones de las películas.html
494 B
17. ¿Qué nos depara el futuro/1.1 Web alternativa de datasets.html
104 B
2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.mp4
211 MB
2. Instalando nuestra herramienta de trabajo/4. Cómo instalar las mismas librerías que tengo yo en el curso con YML.mp4
70 MB
2. Instalando nuestra herramienta de trabajo/2. Las librerías estándar de Machine Learning en Python.mp4
44 MB
2. Instalando nuestra herramienta de trabajo/8. Comunidad de estudiantes del curso.mp4
44 MB
2. Instalando nuestra herramienta de trabajo/3. Los editores para programar en Python.mp4
31 MB
2. Instalando nuestra herramienta de trabajo/7. Las 5 etapas del análisis de datos.mp4
20 MB
2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.srt
39 kB
2. Instalando nuestra herramienta de trabajo/2. Las librerías estándar de Machine Learning en Python.srt
25 kB
2. Instalando nuestra herramienta de trabajo/7. Las 5 etapas del análisis de datos.srt
17 kB
2. Instalando nuestra herramienta de trabajo/4. Cómo instalar las mismas librerías que tengo yo en el curso con YML.srt
15 kB
2. Instalando nuestra herramienta de trabajo/3. Los editores para programar en Python.srt
12 kB
2. Instalando nuestra herramienta de trabajo/4.1 Archivo comprimido.zip
6.5 kB
2. Instalando nuestra herramienta de trabajo/6. IMPORTANTE Para los que la instalación del environment os da error.html
6.2 kB
2. Instalando nuestra herramienta de trabajo/8. Comunidad de estudiantes del curso.srt
4.6 kB
2. Instalando nuestra herramienta de trabajo/9. Algunos cambios en la versión 3.7 de Python.html
1.2 kB
2. Instalando nuestra herramienta de trabajo/5. IMPORTANTE Si el entorno anterior no funciona, prueba con el adjunto aquí.html
1.1 kB
2. Instalando nuestra herramienta de trabajo/5.1 environment.yaml.zip
717 B
2. Instalando nuestra herramienta de trabajo/1.2 Cómo instalar anaconda y python en cualquier sistema operativo.html
139 B
2. Instalando nuestra herramienta de trabajo/1.1 Cómo instalar anaconda y python en cualquier sistema operativo.html
139 B
2. Instalando nuestra herramienta de trabajo/8.1 Comunidad de Estudiantes del Curso.html
87 B
2. Instalando nuestra herramienta de trabajo/1.1 Anaconda Navigator.html
81 B
2. Instalando nuestra herramienta de trabajo/1.2 Anaconda Navigator.html
81 B
3. Una introducción al análisis predictivo y al Machine Learning/4. Aplicaciones y ejemplos del mundo del Data Science.mp4
84 MB
3. Una introducción al análisis predictivo y al Machine Learning/2. ¿Qué es el análisis predictivo de datos.mp4
47 MB
3. Una introducción al análisis predictivo y al Machine Learning/1. Ser Data Scientist es la profesión más sexy del siglo XXI.mp4
40 MB
3. Una introducción al análisis predictivo y al Machine Learning/3. Data Scientist = Matemáticas + Programación + Business.mp4
18 MB
3. Una introducción al análisis predictivo y al Machine Learning/4. Aplicaciones y ejemplos del mundo del Data Science.srt
32 kB
3. Una introducción al análisis predictivo y al Machine Learning/2. ¿Qué es el análisis predictivo de datos.srt
24 kB
3. Una introducción al análisis predictivo y al Machine Learning/1. Ser Data Scientist es la profesión más sexy del siglo XXI.srt
19 kB
3. Una introducción al análisis predictivo y al Machine Learning/3. Data Scientist = Matemáticas + Programación + Business.srt
14 kB
4. Limpieza de Datos/14. Ejercicio descargar y procesar datos desde una URL externa.mp4
55 MB
4. Limpieza de Datos/15. Las funciones básicas de resumen, estructura, dimensiones y cabecera.mp4
44 MB
4. Limpieza de Datos/12. Leer los datos desde una URL externa.mp4
38 MB
4. Limpieza de Datos/17. Qué hacer cuando faltan valores en el dataset.mp4
37 MB
4. Limpieza de Datos/8. Ejemplos de diferentes carga de datos con read_csv.mp4
30 MB
4. Limpieza de Datos/1. Data Cleaning.mp4
29 MB
4. Limpieza de Datos/6. Leer datos procedentes de un CSV.mp4
29 MB
4. Limpieza de Datos/7. Los parámetros de la función read_csv.mp4
26 MB
4. Limpieza de Datos/2. El concepto de data frame.mp4
25 MB
4. Limpieza de Datos/19. Visualización básica de un dataset el scatterplot.mp4
24 MB
4. Limpieza de Datos/16. ¿Por qué faltan valores en los data sets.mp4
24 MB
4. Limpieza de Datos/9. El método open para la carga manual de datos.mp4
23 MB
4. Limpieza de Datos/13. La carga de datos desde una hoja de cálculo.mp4
22 MB
4. Limpieza de Datos/11. Leer y escribir en un fichero con Python.mp4
21 MB
4. Limpieza de Datos/18. Las variables dummy.mp4
21 MB
4. Limpieza de Datos/21. Visualización básica de un dataset el boxplot.mp4
21 MB
4. Limpieza de Datos/20. Visualización básica de un dataset el histograma de frecuencias.mp4
18 MB
4. Limpieza de Datos/3. El repositorio Git del curso.mp4
11 MB
4. Limpieza de Datos/14. Ejercicio descargar y procesar datos desde una URL externa.srt
24 kB
4. Limpieza de Datos/7. Los parámetros de la función read_csv.srt
21 kB
4. Limpieza de Datos/17. Qué hacer cuando faltan valores en el dataset.srt
21 kB
4. Limpieza de Datos/15. Las funciones básicas de resumen, estructura, dimensiones y cabecera.srt
20 kB
4. Limpieza de Datos/8. Ejemplos de diferentes carga de datos con read_csv.srt
17 kB
4. Limpieza de Datos/9. El método open para la carga manual de datos.srt
17 kB
4. Limpieza de Datos/16. ¿Por qué faltan valores en los data sets.srt
16 kB
4. Limpieza de Datos/19. Visualización básica de un dataset el scatterplot.srt
16 kB
4. Limpieza de Datos/6. Leer datos procedentes de un CSV.srt
16 kB
4. Limpieza de Datos/18. Las variables dummy.srt
15 kB
4. Limpieza de Datos/21. Visualización básica de un dataset el boxplot.srt
15 kB
4. Limpieza de Datos/12. Leer los datos desde una URL externa.srt
14 kB
4. Limpieza de Datos/2. El concepto de data frame.srt
12 kB
4. Limpieza de Datos/20. Visualización básica de un dataset el histograma de frecuencias.srt
11 kB
4. Limpieza de Datos/13. La carga de datos desde una hoja de cálculo.srt
9.2 kB
4. Limpieza de Datos/11. Leer y escribir en un fichero con Python.srt
8.7 kB
4. Limpieza de Datos/3. El repositorio Git del curso.srt
6.6 kB
4. Limpieza de Datos/1. Data Cleaning.srt
5.9 kB
4. Limpieza de Datos/10. Cuidado con el método open.html
588 B
4. Limpieza de Datos/5. Acerca de las barras en Windows.html
568 B
4. Limpieza de Datos/4. ¿Qué hago si no me autocompleta Jupyter.html
315 B
4. Limpieza de Datos/3.1 El repositorio Git del Curso.html
103 B
5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.mp4
209 MB
5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.mp4
183 MB
5. Operaciones de manejo de datos/1. Data Wrangling.mp4
168 MB
5. Operaciones de manejo de datos/22. Concatenar dos datasets por filas.mp4
168 MB
5. Operaciones de manejo de datos/4. Buscar un subconjunto de datos de un dataset.mp4
167 MB
5. Operaciones de manejo de datos/28. Ejemplos de joins con Python.mp4
159 MB
5. Operaciones de manejo de datos/25. Concatenar los datos con merge.mp4
139 MB
5. Operaciones de manejo de datos/18. Filtrado, Transformación y otras operaciones útiles.mp4
133 MB
5. Operaciones de manejo de datos/26. Formas de cruzar tablas con joins.mp4
130 MB
5. Operaciones de manejo de datos/27. Eliminar datos de datasets con restricciones de conjunto.mp4
126 MB
5. Operaciones de manejo de datos/21. Muestreo aleatorio cómo dividir un dataset en conjunto de entreno y validación.mp4
118 MB
5. Operaciones de manejo de datos/17. Agregación de datos.mp4
112 MB
5. Operaciones de manejo de datos/16. Agrupación de los datos por categorías.mp4
87 MB
5. Operaciones de manejo de datos/15. Un dummy data frame con variables categóricas.mp4
78 MB
5. Operaciones de manejo de datos/19. Conjunto de entrenamiento y de testing.mp4
54 MB
5. Operaciones de manejo de datos/6. Subconjuntos de filas con ciertas condiciones.mp4
42 MB
5. Operaciones de manejo de datos/13. El método de la simulación de Monte-Carlo para encontrar el valor de Pi.mp4
38 MB
5. Operaciones de manejo de datos/30. ¿Te gusta el curso ¡Valóralo y cuéntanos tu opinión!.mp4
38 MB
5. Operaciones de manejo de datos/8. Generar números aleatorios.mp4
35 MB
5. Operaciones de manejo de datos/29. Ya conoces las bases del manejo de datos.mp4
27 MB
5. Operaciones de manejo de datos/7. Subconjuntos con loc e iloc y creación de nuevas columnas.mp4
27 MB
5. Operaciones de manejo de datos/12. La distribución Normal.mp4
23 MB
5. Operaciones de manejo de datos/14. Generando dummy data frames.mp4
18 MB
5. Operaciones de manejo de datos/11. La distribución uniforme.mp4
12 MB
5. Operaciones de manejo de datos/9. La semilla de la generación aleatoria.mp4
8.3 MB
5. Operaciones de manejo de datos/10. Funciones de distribución de probabilidades.mp4
6.7 MB
5. Operaciones de manejo de datos/2.1 2018-05-09_23-40-38-fe3ca92ce37648006c5d5e94ed873b61.jpg
2.3 MB
5. Operaciones de manejo de datos/2.2 2018-05-09_23-40-38-fe3ca92ce37648006c5d5e94ed873b61.jpg
2.3 MB
5. Operaciones de manejo de datos/2.2 2018-05-09_23-40-38-41dcf24f24c7e29a782f135742c028c6.jpg
2.2 MB
5. Operaciones de manejo de datos/2.1 2018-05-09_23-40-38-41dcf24f24c7e29a782f135742c028c6.jpg
2.2 MB
5. Operaciones de manejo de datos/13. El método de la simulación de Monte-Carlo para encontrar el valor de Pi.srt
25 kB
5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.srt
24 kB
5. Operaciones de manejo de datos/8. Generar números aleatorios.srt
23 kB
5. Operaciones de manejo de datos/4. Buscar un subconjunto de datos de un dataset.srt
22 kB
5. Operaciones de manejo de datos/6. Subconjuntos de filas con ciertas condiciones.srt
21 kB
5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.srt
21 kB
5. Operaciones de manejo de datos/7. Subconjuntos con loc e iloc y creación de nuevas columnas.srt
19 kB
5. Operaciones de manejo de datos/22. Concatenar dos datasets por filas.srt
18 kB
5. Operaciones de manejo de datos/12. La distribución Normal.srt
18 kB
5. Operaciones de manejo de datos/26. Formas de cruzar tablas con joins.srt
17 kB
5. Operaciones de manejo de datos/28. Ejemplos de joins con Python.srt
17 kB
5. Operaciones de manejo de datos/18. Filtrado, Transformación y otras operaciones útiles.srt
16 kB
5. Operaciones de manejo de datos/21. Muestreo aleatorio cómo dividir un dataset en conjunto de entreno y validación.srt
15 kB
5. Operaciones de manejo de datos/25. Concatenar los datos con merge.srt
15 kB
5. Operaciones de manejo de datos/27. Eliminar datos de datasets con restricciones de conjunto.srt
13 kB
5. Operaciones de manejo de datos/15. Un dummy data frame con variables categóricas.srt
12 kB
5. Operaciones de manejo de datos/17. Agregación de datos.srt
12 kB
5. Operaciones de manejo de datos/14. Generando dummy data frames.srt
12 kB
5. Operaciones de manejo de datos/11. La distribución uniforme.srt
10 kB
5. Operaciones de manejo de datos/1. Data Wrangling.srt
9.9 kB
5. Operaciones de manejo de datos/16. Agrupación de los datos por categorías.srt
8.3 kB
5. Operaciones de manejo de datos/19. Conjunto de entrenamiento y de testing.srt
6.8 kB
5. Operaciones de manejo de datos/10. Funciones de distribución de probabilidades.srt
6.8 kB
5. Operaciones de manejo de datos/9. La semilla de la generación aleatoria.srt
6.7 kB
5. Operaciones de manejo de datos/29. Ya conoces las bases del manejo de datos.srt
4.7 kB
5. Operaciones de manejo de datos/30. ¿Te gusta el curso ¡Valóralo y cuéntanos tu opinión!.srt
2.4 kB
5. Operaciones de manejo de datos/20. Atualización cómo dividir conjunto de entrenamiento y test.html
659 B
5. Operaciones de manejo de datos/3. Fe de erratas.html
508 B
5. Operaciones de manejo de datos/5. Filtrados alternativos.html
489 B
5. Operaciones de manejo de datos/2. Una chuleta de pandas para Data Wrangling.html
410 B
6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.mp4
235 MB
6. Conceptos básicos de estadística para la modelización predictiva/1. Los conceptos fundamentales de estadística.mp4
156 MB
6. Conceptos básicos de estadística para la modelización predictiva/6. Cómo hacer un contraste de hipótesis paso a paso.mp4
118 MB
6. Conceptos básicos de estadística para la modelización predictiva/7. Test de la chi cuadrado.mp4
107 MB
6. Conceptos básicos de estadística para la modelización predictiva/5. Los contrastes de hipótesis.mp4
93 MB
6. Conceptos básicos de estadística para la modelización predictiva/4. Muestreo aleatorio y el teorema central del límite.mp4
88 MB
6. Conceptos básicos de estadística para la modelización predictiva/2. Un resumen de los estadísticos básicos (en R).mp4
51 MB
6. Conceptos básicos de estadística para la modelización predictiva/9. Un resumen de lo aprendido.mp4
20 MB
6. Conceptos básicos de estadística para la modelización predictiva/3.1 Datos estadisticos (1).pdf
137 kB
6. Conceptos básicos de estadística para la modelización predictiva/2. Un resumen de los estadísticos básicos (en R).srt
34 kB
6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.srt
33 kB
6. Conceptos básicos de estadística para la modelización predictiva/6. Cómo hacer un contraste de hipótesis paso a paso.srt
24 kB
6. Conceptos básicos de estadística para la modelización predictiva/7. Test de la chi cuadrado.srt
19 kB
6. Conceptos básicos de estadística para la modelización predictiva/4. Muestreo aleatorio y el teorema central del límite.srt
16 kB
6. Conceptos básicos de estadística para la modelización predictiva/5. Los contrastes de hipótesis.srt
15 kB
6. Conceptos básicos de estadística para la modelización predictiva/1. Los conceptos fundamentales de estadística.srt
8.8 kB
6. Conceptos básicos de estadística para la modelización predictiva/9. Un resumen de lo aprendido.srt
4.0 kB
6. Conceptos básicos de estadística para la modelización predictiva/3. El resumen de estadísticos en Python (propuesta de un estudiante).html
174 B
7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.mp4
318 MB
7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.mp4
284 MB
7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.mp4
281 MB
7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.mp4
238 MB
7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.mp4
218 MB
7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.mp4
216 MB
7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.mp4
196 MB
7. Regresión lineal con Python/10. Regresión lineal múltiple.mp4
184 MB
7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.mp4
172 MB
7. Regresión lineal con Python/20. El problema de los outliers.mp4
161 MB
7. Regresión lineal con Python/9. Implementar una regresión lineal con Python.mp4
155 MB
7. Regresión lineal con Python/1. La regresión lineal.mp4
143 MB
7. Regresión lineal con Python/7. Encontrando los coeficientes óptimos de la regresión.mp4
135 MB
7. Regresión lineal con Python/15. Modelos lineales con variables categóricas.mp4
119 MB
7. Regresión lineal con Python/22. Un resumen de la regresión lineal.mp4
115 MB
7. Regresión lineal con Python/12. Validando nuestro modelo.mp4
104 MB
7. Regresión lineal con Python/11. El problema de la multicolinealidad.mp4
97 MB
7. Regresión lineal con Python/14. Regresión lineal con scikit-learn.mp4
84 MB
7. Regresión lineal con Python/13. El resumen de todos los modelos lineales creados.mp4
52 MB
7. Regresión lineal con Python/4. Errores normalmente distribuidos.mp4
45 MB
7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.srt
35 kB
7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.srt
34 kB
7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.srt
29 kB
7. Regresión lineal con Python/10. Regresión lineal múltiple.srt
26 kB
7. Regresión lineal con Python/9. Implementar una regresión lineal con Python.srt
24 kB
7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.srt
20 kB
7. Regresión lineal con Python/20. El problema de los outliers.srt
18 kB
7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.srt
17 kB
7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.srt
17 kB
7. Regresión lineal con Python/7. Encontrando los coeficientes óptimos de la regresión.srt
16 kB
7. Regresión lineal con Python/12. Validando nuestro modelo.srt
15 kB
7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.srt
13 kB
7. Regresión lineal con Python/11. El problema de la multicolinealidad.srt
13 kB
7. Regresión lineal con Python/14. Regresión lineal con scikit-learn.srt
12 kB
7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.srt
12 kB
7. Regresión lineal con Python/1. La regresión lineal.srt
8.7 kB
7. Regresión lineal con Python/15. Modelos lineales con variables categóricas.srt
7.6 kB
7. Regresión lineal con Python/22. Un resumen de la regresión lineal.srt
7.6 kB
7. Regresión lineal con Python/13. El resumen de todos los modelos lineales creados.srt
7.1 kB
7. Regresión lineal con Python/4. Errores normalmente distribuidos.srt
2.7 kB
7. Regresión lineal con Python/6. Ejercicio demostrar que SST = SSR + SSD.html
1.8 kB
7. Regresión lineal con Python/17. Otra forma más simple de calcular las predicciones.html
279 B
8. Regresión logística con Python/7. Estimación con el método de máxima verosimilitud.mp4
454 MB
8. Regresión logística con Python/8. Crear un modelo logístico desde cero.mp4
440 MB
8. Regresión logística con Python/9. Análisis exploratorio de los datos.mp4
301 MB
8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.mp4
283 MB
8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.mp4
244 MB
8. Regresión logística con Python/6. De la regresión lineal a la logística.mp4
167 MB
8. Regresión logística con Python/15. Las matrices de confusión y las curvas ROC.mp4
157 MB
8. Regresión logística con Python/2. Regresión lineal vs regresión logística.mp4
143 MB
8. Regresión logística con Python/12. Validación del modelo y evaluación del mismo.mp4
136 MB
8. Regresión logística con Python/11. Implementar una regresión logística con Python.mp4
130 MB
8. Regresión logística con Python/4. Probabilidades condicionadas.mp4
124 MB
8. Regresión logística con Python/17. Resumen de la regresión logística.mp4
122 MB
8. Regresión logística con Python/5. Cociente de probabilidades.mp4
119 MB
8. Regresión logística con Python/14. Validación cruzada con Python.mp4
107 MB
8. Regresión logística con Python/13. La validación cruzada.mp4
99 MB
8. Regresión logística con Python/1. La regresión logística.mp4
75 MB
8. Regresión logística con Python/3. Las matemáticas detrás de la regresión logística.mp4
66 MB
8. Regresión logística con Python/8. Crear un modelo logístico desde cero.srt
52 kB
8. Regresión logística con Python/7. Estimación con el método de máxima verosimilitud.srt
44 kB
8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.srt
36 kB
8. Regresión logística con Python/9. Análisis exploratorio de los datos.srt
33 kB
8. Regresión logística con Python/6. De la regresión lineal a la logística.srt
22 kB
8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.srt
22 kB
8. Regresión logística con Python/12. Validación del modelo y evaluación del mismo.srt
18 kB
8. Regresión logística con Python/13. La validación cruzada.srt
17 kB
8. Regresión logística con Python/11. Implementar una regresión logística con Python.srt
16 kB
8. Regresión logística con Python/14. Validación cruzada con Python.srt
14 kB
8. Regresión logística con Python/5. Cociente de probabilidades.srt
14 kB
8. Regresión logística con Python/4. Probabilidades condicionadas.srt
14 kB
8. Regresión logística con Python/3. Las matemáticas detrás de la regresión logística.srt
14 kB
8. Regresión logística con Python/15. Las matrices de confusión y las curvas ROC.srt
10 kB
8. Regresión logística con Python/2. Regresión lineal vs regresión logística.srt
9.5 kB
8. Regresión logística con Python/17. Resumen de la regresión logística.srt
7.9 kB
8. Regresión logística con Python/1. La regresión logística.srt
4.4 kB
9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.mp4
332 MB
9. Clustering y clasificación/3. El concepto de distancia.mp4
306 MB
9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.mp4
299 MB
9. Clustering y clasificación/10. Un clustering completo por donde cortamos el dendrograma.mp4
263 MB
9. Clustering y clasificación/6. Uniendo datos manualmente.mp4
253 MB
9. Clustering y clasificación/14. Ejercicio Segmentación de los vinos.mp4
248 MB
9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.mp4
232 MB
9. Clustering y clasificación/5. Métodos de enlace.mp4
224 MB
9. Clustering y clasificación/8. Un clustering completo la fase de exploración de datos.mp4
163 MB
9. Clustering y clasificación/18. Propagación de la afinidad.mp4
156 MB
9. Clustering y clasificación/19. Implementando la propagación de la afinidad.mp4
156 MB
9. Clustering y clasificación/1. Clustering.mp4
140 MB
9. Clustering y clasificación/12. El método de k-means.mp4
139 MB
9. Clustering y clasificación/7. Clustering jerárquico en Python.mp4
129 MB
9. Clustering y clasificación/16. El coeficiente de la silueta.mp4
129 MB
9. Clustering y clasificación/4. Matriz de distancias en Python.mp4
119 MB
9. Clustering y clasificación/21. Los K medoides y el clustering espectral.mp4
116 MB
9. Clustering y clasificación/11. Un clustering completo visualización final del clustering.mp4
110 MB
9. Clustering y clasificación/13. Implementando k-means con Python.mp4
83 MB
9. Clustering y clasificación/22. Resumen del clustering.mp4
76 MB
9. Clustering y clasificación/20. Generando distribuciones en forma de anillo.mp4
70 MB
9. Clustering y clasificación/15. El método del codo.mp4
69 MB
9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.srt
37 kB
9. Clustering y clasificación/10. Un clustering completo por donde cortamos el dendrograma.srt
35 kB
9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.srt
31 kB
9. Clustering y clasificación/14. Ejercicio Segmentación de los vinos.srt
30 kB
9. Clustering y clasificación/6. Uniendo datos manualmente.srt
29 kB
9. Clustering y clasificación/3. El concepto de distancia.srt
22 kB
9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.srt
22 kB
9. Clustering y clasificación/19. Implementando la propagación de la afinidad.srt
20 kB
9. Clustering y clasificación/8. Un clustering completo la fase de exploración de datos.srt
18 kB
9. Clustering y clasificación/21. Los K medoides y el clustering espectral.srt
17 kB
9. Clustering y clasificación/7. Clustering jerárquico en Python.srt
17 kB
9. Clustering y clasificación/5. Métodos de enlace.srt
14 kB
9. Clustering y clasificación/4. Matriz de distancias en Python.srt
14 kB
9. Clustering y clasificación/11. Un clustering completo visualización final del clustering.srt
11 kB
9. Clustering y clasificación/20. Generando distribuciones en forma de anillo.srt
11 kB
9. Clustering y clasificación/13. Implementando k-means con Python.srt
9.7 kB
9. Clustering y clasificación/16. El coeficiente de la silueta.srt
9.3 kB
9. Clustering y clasificación/18. Propagación de la afinidad.srt
8.8 kB
9. Clustering y clasificación/12. El método de k-means.srt
8.6 kB
9. Clustering y clasificación/1. Clustering.srt
7.9 kB
9. Clustering y clasificación/22. Resumen del clustering.srt
5.1 kB
9. Clustering y clasificación/15. El método del codo.srt
4.9 kB