In this chapter,  we'll define machine learning and its relation to data science and artificial intelligence.  Then, we'll unpack important machine learning jargon and end with the machine learning workflow for building models.

What is machine learning?

Generating movie recommendations

AI, data science, and machine learning walk into a bar...

What's true about machine learning?

Machine learning concepts

Machine learning lingo

Supervised vs unsupervised

Machine learning workflow

Steps for building a model

A true step

What is Machine Learning?

Now that you know the basics of machine learning, let's dive a little bit deeper. At the end of this chapter, you will know the different types of machine learning, as well as how to evaluate and improve your models.

Supervised learning

Warm up

Regressing with class

Unsupervised learning

We don't need no supervision

Exploring clusters

Evaluating performance

True or false?

Land of confusion

Improving performance

It's a long way to the top

Explore hyperparameter tuning

Machine Learning Models

In this chapter, we'll unpack deep learning beginning with neural networks. Next, we'll take a closer look at two common use-cases for deep learning: computer vision and natural language processing. We'll wrap up the course discussing the limits and dangers of machine learning.

Aprendizaje profundo

Afirmaciones

Verdadero

Falso

¿Qué es el aprendizaje profundo?

¿Debo utilizar el aprendizaje profundo?

Visión artificial

Datos de imagen

Proceso de la red neuronal

El proceso

Procesamiento de lenguajes naturales

Análisis de sentimiento

Opciones

Machine learning tradicional

Clasificar las tareas de machine learning

Bolsa de palabras

Límites del machine learning

Tareas

Caja negra

IA explicable

¿Caja negra o no caja negra?

Detectar sesgos en la predicción de impagos de préstamos

¡Enhorabuena!

Deep Learning

Course Glossary: Understanding Machine Learning

¿Qué hay detrás del boom de Machine Learning? En este curso no técnico, aprenderás todo eso que quizá no te atrevías a preguntar sobre Machine Learning. No necesitas programar. Con ejercicios prácticos, dejarás atrás la jerga y verás cómo esta tecnología impulsa desde los coches autónomos hasta tus recomendaciones de compra en Amazon.

¿Cómo funciona Machine Learning, cuándo puedes usarlo y cuál es la diferencia entre IA y Machine Learning? Aquí lo verás todo. Desarrolla habilidades en este campo tan demandado e influyente y descubre por qué Machine Learning es para todo el mundo.

Los vídeos incluyen transcripciones en directo, a las que puedes acceder haciendo clic en "Show transcript" en la parte inferior izquierda de los vídeos.

El glosario del curso está disponible a la derecha, en la sección de recursos.

Para obtener créditos CPE, debes completar el curso y alcanzar una puntuación del 70% en la evaluación cualificada. Puedes ir a la evaluación haciendo clic en el aviso de créditos CPE en la parte derecha.

<h2>Obtén una Introducción a los Conceptos de Aprendizaje Automático</h2> 
¿Qué hay detrás del bombo del machine learning? En este curso no técnico, aprenderás todo lo que te ha dado miedo preguntar sobre el machine learning. No hace falta programar.
<br><br>
Explorarás conceptos básicos pero esenciales para iniciar tu andadura en el aprendizaje automático, utilizando ejercicios prácticos para afianzar tus conocimientos. Esto incluye desarrollar una comprensión más allá de la jerga y aprender cómo esta apasionante tecnología impulsa todo, desde los coches autoconducidos hasta tus sugerencias personales de compra en Amazon. 
<br><br>
<h2>Explora los Conceptos Básicos del Aprendizaje Automático</h2> 
¿Cómo funciona el machine learning, cuándo puedes utilizarlo y cuál es la diferencia entre IA y machine learning? Este curso abarca todos estos temas.
<br><br>
Empezarás desentrañando qué es el aprendizaje automático, explorando su definición básica y su relación con la ciencia de datos y la inteligencia artificial. Después, te familiarizarás con su vocabulario y terminarás con el flujo de trabajo del aprendizaje automático para construir modelos.
<br><br>
Terminamos el curso profundizando en el aprendizaje profundo. Explorarás dos casos de uso habituales del aprendizaje profundo: la visión por ordenador y el procesamiento del lenguaje natural (PLN), y reconocerás los límites y peligros del aprendizaje automático.

Curso de introducción al aprendizaje automático de dos horas. Conceptos clave: vocabulario, modelos y aprendizaje profundo.

Understanding Machine Learning

Introducción al machine learning, ¡y no hay que programar!

Fundamentos de la IA

Comprender los temas de datos

Los problemas más complejos, como la clasificación de imágenes, pueden resolverse mucho más rápido con el aprendizaje profundo que con el machine learning tradicional.

El aprendizaje profundo es un subcampo del machine learning que se ocupa de algoritmos inspirados en el cerebro humano llamados redes neuronales.

Cuando tienes falta de conocimiento del dominio y no sabes los atributos exactos que hay que utilizar, debes utilizar el aprendizaje profundo.

Siempre se prefiere el aprendizaje profundo al machine learning tradicional.

Tienes que averiguar los atributos de nivel superior mientras entrenas los datos.

El número de neuronas de una red neuronal es limitado.

¿Qué es el aprendizaje profundo?

Understanding Machine Learning

ejercicio interactivo práctico