Cursos de Inteligencia Artificial, Machine Learning y Data Science

Aprende online y a tu propio ritmo los fundamentos, habilidades y herramientas para construir tu carrera en Inteligencia Artificial, Machine Learning y Ciencia de Datos.

Suscribirse (10 dólares/mes)

Los cursos de la Academia

Series de Tiempo: pre-procesamiento
Series de Tiempo: pre-procesamiento

Curso práctico donde veremos las principales técnicas que nos permitirán leer, visualizar y realizar la limpieza de una Serie de Tiempo, pasos esenciales antes de realizar análisis o pronósticos con estas series. Inicia el 9 de mayo de 2024. 12 lecciones.

Estadística Inferencial: fundamentos
Estadística Inferencial: fundamentos

Curso teórico-práctico donde veremos los Fundamentos de la Estadística Inferencial necesarios para posteriormente aplicar diferentes pruebas estadísticas para interpretar los datos en nuestros proyectos de Ciencia de Datos y Machine Learning. 13 lecciones.

Estadística Descriptiva
Estadística Descriptiva

Curso práctico donde veremos una introducción general a la Estadística para la Ciencia de Datos y el Machine Learning y veremos en detalle todas las técnicas de Estadística Descriptiva que nos permitirán entender y explorar un set de datos. 14 lecciones.

Docker
Docker

Curso práctico donde aprenderás a usar Docker, la herramienta de creación de contenedores más usada al momento de llevar un Modelo de Machine Learning a producción. 10 lecciones.

Git y GitHub
Git y GitHub

Curso práctico en donde aprenderás a usar Git y GitHub, las dos herramientas de control de versiones más usadas en Ciencia de Datos y Machine Learning. 10 lecciones.

Probabilidad Nivel Avanzado
Probabilidad Nivel Avanzado

Curso teórico-práctico donde aprenderás sobre el funcionamiento y la aplicación práctica de algoritmos y modelos probabilísticos fundamentales en el Machine Learning. 12 lecciones.

Probabilidad Nivel Intermedio
Probabilidad Nivel Intermedio

Curso teórico-práctico en donde aprenderás conceptos y aplicaciones prácticas de las distribuciones de probabilidad más usadas en Ciencia de Datos y Machine Learning. 11 lecciones.

Probabilidad Nivel Básico
Probabilidad Nivel Básico

Curso teórico donde aprenderás los fundamentos de la Probabilidad, una área de las matemáticas esencial en la Ciencia de Datos, la Inteligencia Artificial y el Machine Learning. 13 lecciones.

Pandas Nivel Avanzado
Pandas Nivel Avanzado

Curso práctico en donde aprenderás a usar herramientas para la re-estructuración de tablas de datos y para el procesamiento de series de tiempo usando la librería Pandas. 20 lecciones.

Pandas Nivel Intermedio
Pandas Nivel Intermedio

Curso práctico en donde aprenderás a combinar, agrupar y visualizar datos estructurados usando la librería Pandas, así como a realizar el Análisis Exploratorio de Datos. 17 lecciones.

Pandas Nivel Básico
Pandas Nivel Básico

Curso práctico en donde aprenderás los elementos básicos para la manipulación de datos estructurados usando la librería Pandas enfocado a su uso en proyectos de Ciencia de Datos y Machine Learning. 18 lecciones.

Matplotlib para Ciencia de Datos y Machine Learning
Matplotlib para Ciencia de Datos y Machine Learning

Curso práctico en donde aprenderás a usar Matplotlib, la librería de visualización de Python, fundamental en cualquier proyecto de Ciencia de Datos y Machine Learning. 17 lecciones.

Cálculo para Ciencia de Datos y Machine Learning
Cálculo para Ciencia de Datos y Machine Learning

Curso teórico en donde aprenderás los conceptos y herramientas esenciales del Cálculo, un campo de las matemáticas fundamental para entender las diferentes técnicas y herramientas usadas en Ciencia de Datos y Machine Learning. 21 lecciones.

Álgebra Lineal para Ciencia de Datos y Machine Learning
Álgebra Lineal para Ciencia de Datos y Machine Learning

Curso teórico-práctico en donde aprenderás los conceptos esenciales del Álgebra Lineal, un campo de las matemáticas fundamental para entender el funcionamiento de los diferentes algoritmos usados en Ciencia de Datos y Machine Learning. 28 lecciones.

NumPy para Ciencia de Datos y Machine Learning
NumPy para Ciencia de Datos y Machine Learning

Curso práctico en donde aprenderás a usar la librería Numpy, que permite realizar el procesamiento avanzado de arreglos numéricos en Python, una fase esencial en cualquier proyecto de Ciencia de Datos y Machine Learning. 16 lecciones.

Introducción al Machine Learning
Introducción al Machine Learning

Curso diseñado para todos aquellos que son totalmente nuevos en el campo del Aprendizaje de Máquina (o Machine Learning) y que quieren entender qué es, sus campos de aplicación y los conceptos básicos así como la ruta de aprendizaje y estrategias requeridas para incursionar en esta área. 10 lecciones.

Introducción a la Ciencia de Datos
Introducción a la Ciencia de Datos

Curso diseñado para todos aquellos que son totalmente nuevos en el campo de la Ciencia de Datos y que quieren entender qué es, sus campos de aplicación, qué son los datos y algunas de las principales técnicas para su procesamiento así como lo que se requiere para ser un Científico de Datos. 17 lecciones.

Python Nivel Avanzado
Python Nivel Avanzado

Curso práctico en donde aprenderás la manipulación avanzada (lectura, escritura, modificación) de diferentes tipos de archivos, el manejo de excepciones y cómo realizar Programación Orientada a Objetos en Python. 17 lecciones.

Aprendizaje por Refuerzo Nivel Intermedio
Aprendizaje por Refuerzo Nivel Intermedio

Curso teórico-práctico en donde aprenderás e implementarás en Python los principales algoritmos clásicos para la solución de problemas de Aprendizaje por Refuerzo. 16 lecciones.

Python Nivel Intermedio
Python Nivel Intermedio

Curso práctico donde aprenderás a usar la librería estándar de Python, las listas, tuplas, sets y diccionarios y funciones avanzadas para el procesamiento de strings. 24 lecciones.

Aprendizaje por Refuerzo nivel Básico
Aprendizaje por Refuerzo nivel Básico

Curso teórico donde aprenderás los conceptos básicos del Aprendizaje Reforzado, así como los elementos matemáticos fundamentales de los Procesos de Decisión de Markov. 18 lecciones

Curso Python nivel Básico
Python Nivel Básico

Curso práctico en donde aprenderás desde cero los conceptos básicos de programación de computadores usando Python. 25 lecciones.

Fundamentos Deep Learning con Python
Fundamentos de Deep Learning con Python

Curso teórico-práctico en donde aprenderás todo acerca de las Redes Neuronales, Convolucionales, Recurrentes, LSTM y Transformer. 111 lecciones.

Últimas lecciones

7 - Imputación multivariada

(Mayo 21, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos cómo usar la información de múltiples variables para completar los datos faltantes en una Serie de Tiempo, lo que se conoce precisamente como imputación multivariada.

6 - Imputación univariada

(Mayo 17, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos qué es y cómo implementar la imputación univariada para el manejo de datos faltantes en Series de Tiempo con ayuda de Pandas y Scikit-Learn.

5 - Manejo de marcas de tiempo faltantes

(Mayo 16, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección nos enfocaremos en el primer conjunto de técnicas enfocadas en el manejo de marcas de tiempo faltantes, es decir cuando la variable temporal de nuestra Serie de Tiempo contiene valores incompletos.

4 - Los tipos de datos faltantes en Series de Tiempo

(Mayo 15, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos los cuatro tipos de datos faltantes que podemos tener en una Serie de Tiempo así como las técnicas que podemos usar para detectar estos datos faltantes.

3 - Lectura y visualización de Series de Tiempo (repaso)

(Mayo 14, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección haremos un repaso de las principales herramientas para la lectura y visualización de Series de Tiempo usando las librerías Pandas, Seaborn y Matplotlib.

2 - Series de Tiempo: ruta de aprendizaje

(Mayo 10, 2024 - Series de Tiempo - Pre-procesamiento)

En esta segunda lección del curso veremos una ruta de aprendizaje que sugiero seguir para aprender las técnicas más usadas para realizar el pre-procesamiento, análisis y generación de predicciones con series de tiempo.

Todas las lecciones...