El curso tiene como objetivo enseñar a los estudiantes cómo utilizar herramientas de visualización en Python para interpretar y presentar datos de manera efectiva. Comprender las diferencias y aplicaciones del aprendizaje supervisado y no supervisado.
🧠 Objetivos de aprendizaje
● Implementar modelos básicos de machine learning, incluyendo clasificadores lineales y K-nearest neighbors.
● Entender y aplicar árboles de decisión para problemas de clasificación.
● Evaluar el rendimiento de los modelos de machine learning utilizando métricas básicas.
● Identificar y manejar el sobreajuste en los modelos de aprendizaje automático.
● Aplicar estrategias de evaluación como el train-test split y la validación cruzada para obtener estimaciones fiables del rendimiento del modelo.
🎓 Criterios de aprobación
● Realizar las actividades de Playground (100% de completitud).
● Aprobación de los checkpoints de conocimiento de cada módulo de aprendizaje.
● Aprobación del cuestionario final del curso.