or
Este ejercicio forma parte del curso
En el primer capítulo del curso, realizarás todos los pasos de preprocesamiento necesarios para crear un modelo predictivo de machine learning, incluyendo cómo tratar los valores ausentes, los valores atípicos y cómo normalizar tu conjunto de datos.
En el segundo capítulo del curso, practicarás varios aspectos de técnicas de aprendizaje supervisado, como la selección del subconjunto óptimo de características, la regularización para evitar el sobreajuste del modelo, la ingeniería de características y los modelos en ensamblado para abordar el conocido compromiso entre sesgo y varianza.
En el tercer capítulo del curso, usarás aprendizaje no supervisado para aplicar técnicas de extracción de características y visualización para la reducción de dimensionalidad, y métodos de clustering para seleccionar no solo un algoritmo de clustering adecuado, sino también el número óptimo de clústeres para un conjunto de datos.
En el cuarto y último capítulo del curso, subirás el nivel y aplicarás bootstrapping y validación cruzada para evaluar el rendimiento de la generalización del modelo, técnicas de remuestreo para clases desbalanceadas, detectar y eliminar multicolinealidad, y construir un modelo en ensamblado.
Ejercicio actual