Launching into Machine Learning en Español

Go to Course: https://www.coursera.org/learn/launching-machine-learning-es

Introduction

### Course Review: Launching into Machine Learning en Español **Overview** Launching into Machine Learning en Español is an engaging and informative course tailored for Spanish-speaking learners interested in diving into the world of machine learning (ML). The course takes a hands-on approach to understanding, utilizing, and optimizing machine learning models using various tools and frameworks, without requiring prior programming knowledge. With an emphasis on data quality and exploratory data analysis, this course sets a solid foundation for anyone wishing to harness the power of machine learning in practical applications. **Course Content** The course is structured into several well-defined modules that guide students through the essential aspects of machine learning: 1. **Introducción** This module serves as an introduction to the course, outlining the goals and learning objectives. It provides learners with a roadmap of what they can expect to gain from the experience. 2. **Conozca sus datos: Mejore los datos por medio de análisis exploratorios de datos** Here, participants will learn how to improve data quality through exploratory data analysis. The module stresses the importance of having clean and well-organized data, with practical examples highlighting how missing values can skew results. Students will engage in hands-on activities to explore datasets effectively. 3. **El aprendizaje automático en la práctica** This section provides an overview of the main types of machine learning, giving learners a broader understanding of the field and boosting their professional growth in AI. 4. **Entrenamiento de modelos de AutoML con Vertex AI** Participants are introduced to the practical application of AutoML using Google’s Vertex AI. This module explains how to compile, train, and implement machine learning models without writing any code, making it accessible to a wider audience. 5. **Aprendizaje automático en BigQuery: Desarrolle modelos de AA en el lugar en el que se encuentran sus datos** This module introduces BigQuery ML and its capabilities, teaching students how to develop ML models directly where their data resides, enhancing efficiency and performance. 6. **Optimización** The optimization module focuses on enhancing the performance of machine learning models. Students learn various techniques to fine-tune their models for better results. 7. **Generalización y muestreo** This thought-provoking section addresses the sometimes counterintuitive question: when might it be better not to choose the most accurate model? It delves into the importance of generalization and the creation of repeatable training, evaluation, and test datasets, ensuring that models can perform well on unseen real-world data. 8. **Resumen** The course concludes with a summary that recaps the key concepts and skills covered, providing a valuable reference for learners. **Recommendation** I highly recommend **Launching into Machine Learning en Español** for anyone seeking to break into the field of machine learning, especially Spanish-speaking professionals or students. The course’s well-structured syllabus, engaging content, and hands-on approach allow learners to grasp complex concepts without feeling overwhelmed. Whether you're a complete beginner in machine learning or someone looking to enhance your skills, this course provides an excellent foundation. The fact that it utilizes platforms like Vertex AI and BigQuery ML ensures you're getting exposure to industry-standard tools that are increasingly in demand. In conclusion, if you are eager to understand machine learning's real-world applications and boost your data science career, this course is a superb choice. It's an investment in your knowledge that will pay dividends in today's data-driven world.

Syllabus

Introducción

En este módulo, se brinda una descripción general del curso y sus objetivos.

En este módulo, examinaremos cómo mejorar la calidad de los datos y explorar los datos mediante análisis exploratorios de datos. Observaremos la importancia de tener datos limpios y ordenados para el aprendizaje automático y mostraremos su efecto en la calidad de los datos. Por ejemplo, los valores omitidos pueden sesgar los resultados. También aprenderá la importancia de explorar sus datos. Una vez que los datos estén limpios y ordenados, realizaremos un análisis exploratorio del conjunto de datos.

En este módulo, presentaremos algunos de los tipos principales de aprendizaje automático, de modo que pueda acelerar su crecimiento como profesional del AA.

En este módulo, haremos una introducción al entrenamiento de modelos de AutoML con Vertex AI.

En este módulo, haremos una introducción a BigQuery ML y sus capacidades.

En este módulo, explicaremos cómo optimizar sus modelos de AA.

Llegó el momento de responder una pregunta un tanto extraña: ¿en qué situaciones es mejor no elegir el modelo de AA más exacto? Como dimos a entender en el último módulo sobre la optimización, el solo hecho de que un modelo tenga una métrica de pérdida de 0 para un conjunto de datos no significa que vaya a tener un buen rendimiento cuando se aplique a datos nuevos del mundo real. Aprenderá a crear conjuntos de datos de entrenamiento, evaluación y prueba repetibles y establecer comparativas de rendimiento.

Este módulo es un resumen del curso Introducción al aprendizaje automático