资源详情

返回首页 | 相关搜索
Curso completo de Machine Learning Data Science en Python - COMPLETO
大小 26.05 GB
文件数 474
Info Hash: B41BBF426CDE984D37F6288889B7516EC61B6920
收录时间 2025-12-20 14:35:34
更新时间 2025-12-20 14:35:34
文件列表 (474)
1. Introducción/1. Introducción.mp4
150.42 MB
1. Introducción/2. Pre requisitos del curso.mp4
36.46 MB
1. Introducción/4. Acerca de la valoración prematura del curso en Udemy.mp4
13.97 MB
1. Introducción/3. Conoce a tu instructor online, Juan Gabriel Gomila.mp4
6.07 MB
1. Introducción/1. Introducción.srt
7.71 KB
1. Introducción/4. Acerca de la valoración prematura del curso en Udemy.srt
4.28 KB
1. Introducción/3. Conoce a tu instructor online, Juan Gabriel Gomila.srt
3.14 KB
1. Introducción/2. Pre requisitos del curso.srt
2.46 KB
10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.mp4
308.26 MB
10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.mp4
295.92 MB
10. Árboles y bosques aleatorios/7. Los problemas del árbol.mp4
234.55 MB
10. Árboles y bosques aleatorios/2. ¿Qué es un árbol de decisión.mp4
182.45 MB
10. Árboles y bosques aleatorios/14. Random forests.mp4
177.42 MB
10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.mp4
171.32 MB
10. Árboles y bosques aleatorios/9. El tratamiento de ficheros dot.mp4
153.96 MB
10. Árboles y bosques aleatorios/11. Los árboles de regresión.mp4
150.32 MB
10. Árboles y bosques aleatorios/3. Homogeneidad en los datos.mp4
142.09 MB
10. Árboles y bosques aleatorios/6. La poda del árbol.mp4
130.61 MB
10. Árboles y bosques aleatorios/17. ¿Por qué funcionan los random forests.mp4
128.77 MB
10. Árboles y bosques aleatorios/8. Los árboles de clasificación con Python.mp4
128.33 MB
10. Árboles y bosques aleatorios/10. La validación cruzada en un árbol de clasificación.mp4
106.17 MB
10. Árboles y bosques aleatorios/12. El dataset de las casas de Boston y Kaggle.mp4
93.42 MB
10. Árboles y bosques aleatorios/15. Random forests para regresión.mp4
91.55 MB
10. Árboles y bosques aleatorios/1. Árboles y bosques aleatorios.mp4
80.46 MB
10. Árboles y bosques aleatorios/18. Resumen de árboles y bosques aleatorios.mp4
67.07 MB
10. Árboles y bosques aleatorios/16. Random forest para clasificación.mp4
57.9 MB
10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.srt
19.89 KB
10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.srt
19.23 KB
10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.srt
18.77 KB
10. Árboles y bosques aleatorios/8. Los árboles de clasificación con Python.srt
18.75 KB
10. Árboles y bosques aleatorios/9. El tratamiento de ficheros dot.srt
17.68 KB
10. Árboles y bosques aleatorios/7. Los problemas del árbol.srt
16.6 KB
10. Árboles y bosques aleatorios/10. La validación cruzada en un árbol de clasificación.srt
13.36 KB
10. Árboles y bosques aleatorios/12. El dataset de las casas de Boston y Kaggle.srt
11.99 KB
10. Árboles y bosques aleatorios/2. ¿Qué es un árbol de decisión.srt
11.65 KB
10. Árboles y bosques aleatorios/15. Random forests para regresión.srt
11.37 KB
10. Árboles y bosques aleatorios/14. Random forests.srt
11.03 KB
10. Árboles y bosques aleatorios/11. Los árboles de regresión.srt
9.54 KB
10. Árboles y bosques aleatorios/3. Homogeneidad en los datos.srt
8.46 KB
10. Árboles y bosques aleatorios/17. ¿Por qué funcionan los random forests.srt
7.84 KB
10. Árboles y bosques aleatorios/6. La poda del árbol.srt
7.44 KB
10. Árboles y bosques aleatorios/16. Random forest para clasificación.srt
5.7 KB
10. Árboles y bosques aleatorios/18. Resumen de árboles y bosques aleatorios.srt
4.7 KB
10. Árboles y bosques aleatorios/1. Árboles y bosques aleatorios.srt
4.23 KB
11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.mp4
307.49 MB
11. Máquinas de Soporte Vectorial/3. El problema de clasificación no óptimo.mp4
273.38 MB
11. Máquinas de Soporte Vectorial/15. Práctica de SVM Clasificación de las flores de Iris.mp4
268.64 MB
11. Máquinas de Soporte Vectorial/2. Las support vector machines.mp4
243.86 MB
11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.mp4
225.6 MB
11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.mp4
213 MB
11. Máquinas de Soporte Vectorial/16. Truco qué hacer cuando me toca hacer una análisis de datos.mp4
141.46 MB
11. Máquinas de Soporte Vectorial/11. Kernels no lineales.mp4
121.91 MB
11. Máquinas de Soporte Vectorial/13. Ajustando las SVM.mp4
113.85 MB
11. Máquinas de Soporte Vectorial/17. SVM para regresión.mp4
110.86 MB
11. Máquinas de Soporte Vectorial/1. Las máquinas de soporte vectorial.mp4
107.89 MB
11. Máquinas de Soporte Vectorial/12. Radial basis function.mp4
93.83 MB
11. Máquinas de Soporte Vectorial/8. El problema de la separación.mp4
61.68 MB
11. Máquinas de Soporte Vectorial/7. Representación gráfica del hiperplano separador en 2D.mp4
60.17 MB
11. Máquinas de Soporte Vectorial/6. Creando el modelo clasificador lineal.mp4
57.58 MB
11. Máquinas de Soporte Vectorial/9. Maximizar el margen de clasificación.mp4
40.74 MB
11. Máquinas de Soporte Vectorial/5. Soporte Vectorial Clasificador Lineal.mp4
39.85 MB
11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.srt
34.24 KB
11. Máquinas de Soporte Vectorial/15. Práctica de SVM Clasificación de las flores de Iris.srt
31.02 KB
11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.srt
27.24 KB
11. Máquinas de Soporte Vectorial/17. SVM para regresión.srt
19.37 KB
11. Máquinas de Soporte Vectorial/16. Truco qué hacer cuando me toca hacer una análisis de datos.srt
17.17 KB
11. Máquinas de Soporte Vectorial/3. El problema de clasificación no óptimo.srt
16.13 KB
11. Máquinas de Soporte Vectorial/13. Ajustando las SVM.srt
14.38 KB
11. Máquinas de Soporte Vectorial/2. Las support vector machines.srt
14.09 KB
11. Máquinas de Soporte Vectorial/11. Kernels no lineales.srt
13.21 KB
11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.srt
12.34 KB
11. Máquinas de Soporte Vectorial/8. El problema de la separación.srt
10.45 KB
11. Máquinas de Soporte Vectorial/12. Radial basis function.srt
9.83 KB
11. Máquinas de Soporte Vectorial/6. Creando el modelo clasificador lineal.srt
9.7 KB
11. Máquinas de Soporte Vectorial/5. Soporte Vectorial Clasificador Lineal.srt
8.49 KB
11. Máquinas de Soporte Vectorial/7. Representación gráfica del hiperplano separador en 2D.srt
8.05 KB
11. Máquinas de Soporte Vectorial/1. Las máquinas de soporte vectorial.srt
5.65 KB
11. Máquinas de Soporte Vectorial/9. Maximizar el margen de clasificación.srt
5.62 KB
12. K Nearest Neighbors/2. Los k vecinos más cercanos.mp4
198.73 MB
12. K Nearest Neighbors/8. Nuestro algoritmo vs scikit-learn.mp4
127.22 MB
12. K Nearest Neighbors/7. Implementando la decisión por mayoría.mp4
123.98 MB
12. K Nearest Neighbors/4. Clasificación según los K vecinos.mp4
94.56 MB
12. K Nearest Neighbors/3. Limpieza del dataset del Cancer.mp4
66.33 MB
12. K Nearest Neighbors/6. Creando los datos para la clasificación.mp4
65.49 MB
12. K Nearest Neighbors/5. Clasificando nuevos datos de los tests médicos.mp4
64.81 MB
12. K Nearest Neighbors/1. La decisión de los K vecinos.mp4
64.3 MB
12. K Nearest Neighbors/9. Una opinión final sobre los algoritmos de Machine Learning.mp4
58.35 MB
12. K Nearest Neighbors/7. Implementando la decisión por mayoría.srt
18.85 KB
12. K Nearest Neighbors/8. Nuestro algoritmo vs scikit-learn.srt
14 KB
12. K Nearest Neighbors/2. Los k vecinos más cercanos.srt
13.91 KB
12. K Nearest Neighbors/6. Creando los datos para la clasificación.srt
11.04 KB
12. K Nearest Neighbors/4. Clasificación según los K vecinos.srt
10.81 KB
12. K Nearest Neighbors/3. Limpieza del dataset del Cancer.srt
9.16 KB
12. K Nearest Neighbors/9. Una opinión final sobre los algoritmos de Machine Learning.srt
8.86 KB
12. K Nearest Neighbors/5. Clasificando nuevos datos de los tests médicos.srt
8.33 KB
12. K Nearest Neighbors/1. La decisión de los K vecinos.srt
3.84 KB
13. Sistemas de recomendación/9. Filtrando con los K nearest neighbors.mp4
116.01 MB
13. Sistemas de recomendación/1. El rol de las recomendaciones dinámicas en el siglo XXI.mp4
114.65 MB
13. Sistemas de recomendación/10. Sistemas de Recomendación basados en Ítems.mp4
110.51 MB
13. Sistemas de recomendación/12. Los resultados finales.mp4
83.44 MB
13. Sistemas de recomendación/2. El dataset de películas de Movie Lens.mp4
72.72 MB
13. Sistemas de recomendación/6. La matriz de similaridad entre usuarios.mp4
57.44 MB
13. Sistemas de recomendación/7. Predecir la valoración de un ítem para un usuario.mp4
56.92 MB
13. Sistemas de recomendación/11. Recomendando con los K items más parecidos.mp4
55.62 MB
13. Sistemas de recomendación/3. Análisis exploratorio de los datos y distribución de las valoraciones.mp4
39.1 MB
13. Sistemas de recomendación/4. Esparseidad de los datos.mp4
38.49 MB
13. Sistemas de recomendación/5. División en entrenamiento y validación.mp4
26.26 MB
13. Sistemas de recomendación/9. Filtrando con los K nearest neighbors.srt
14.92 KB
13. Sistemas de recomendación/10. Sistemas de Recomendación basados en Ítems.srt
11.15 KB
13. Sistemas de recomendación/12. Los resultados finales.srt
10.7 KB
13. Sistemas de recomendación/2. El dataset de películas de Movie Lens.srt
8.69 KB
13. Sistemas de recomendación/6. La matriz de similaridad entre usuarios.srt
7.84 KB
13. Sistemas de recomendación/3. Análisis exploratorio de los datos y distribución de las valoraciones.srt
7.36 KB
13. Sistemas de recomendación/4. Esparseidad de los datos.srt
7.12 KB
13. Sistemas de recomendación/1. El rol de las recomendaciones dinámicas en el siglo XXI.srt
7.11 KB
13. Sistemas de recomendación/7. Predecir la valoración de un ítem para un usuario.srt
6.84 KB
13. Sistemas de recomendación/11. Recomendando con los K items más parecidos.srt
6.54 KB
13. Sistemas de recomendación/5. División en entrenamiento y validación.srt
4.39 KB
13. Sistemas de recomendación/8. Corrección Error en la clase anterior.html
1.47 KB
14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.mp4
310.09 MB
14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.mp4
267.21 MB
14. Análisis de componentes principales/2. El problema de la dimensión.mp4
202.96 MB
14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.mp4
188.55 MB
14. Análisis de componentes principales/9. La selección de las componentes principales.mp4
156.68 MB
14. Análisis de componentes principales/14. Coloraciones y etiquetas de plotly.mp4
141.15 MB
14. Análisis de componentes principales/12. Más gráficos con Plotly.mp4
93.12 MB
14. Análisis de componentes principales/1. Análisis de Componentes principales.mp4
88.06 MB
14. Análisis de componentes principales/10. La proyección en el subespacio vectorial resultante.mp4
87.47 MB
14. Análisis de componentes principales/7. Los valores y vectores propios de la matriz de covarianzas.mp4
82.72 MB
14. Análisis de componentes principales/11. Implementación de ACP con sklearn.mp4
71.29 MB
14. Análisis de componentes principales/8. La matriz de correlaciones y el Singular Value Decomposition.mp4
67.08 MB
14. Análisis de componentes principales/4. Implementando nuestro propio ACP en Python.mp4
43.33 MB
14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.srt
29.64 KB
14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.srt
29.53 KB
14. Análisis de componentes principales/9. La selección de las componentes principales.srt
19.75 KB
14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.srt
18.72 KB
14. Análisis de componentes principales/14. Coloraciones y etiquetas de plotly.srt
16.24 KB
14. Análisis de componentes principales/2. El problema de la dimensión.srt
13.02 KB
14. Análisis de componentes principales/12. Más gráficos con Plotly.srt
11.01 KB
14. Análisis de componentes principales/7. Los valores y vectores propios de la matriz de covarianzas.srt
10.73 KB
14. Análisis de componentes principales/10. La proyección en el subespacio vectorial resultante.srt
10.49 KB
14. Análisis de componentes principales/4. Implementando nuestro propio ACP en Python.srt
9.83 KB
14. Análisis de componentes principales/11. Implementación de ACP con sklearn.srt
8.83 KB
14. Análisis de componentes principales/8. La matriz de correlaciones y el Singular Value Decomposition.srt
7.47 KB
14. Análisis de componentes principales/1. Análisis de Componentes principales.srt
4.9 KB
14. Análisis de componentes principales/5. Cuidado con la siguiente libreria, plotly.html
540 B
15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.mp4
282.11 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/3. Acerca de las redes neuronales y el deep learning.mp4
233.3 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.mp4
216.47 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.mp4
184.98 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/9. Un resumen visual de imágenes.mp4
157.85 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/1. Redes neuronales del futuro.mp4
150.11 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/18. La fase de entrenamiento de la red neuronal.mp4
145.82 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/10. Pre procesado de imágenes previo al ML.mp4
145.49 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/11. Creación del modelo.mp4
106.88 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/12. Entrenamiento del modelo.mp4
101.42 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/5. Instalando TensorFlow en tu ordenador.mp4
86.77 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/8. Análisis exploratorio de los datos.mp4
84.83 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/17. Tensorflow y la regresión softmax.mp4
83.82 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/19. La fase de evaluación de la red neuronal.mp4
71.59 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/14. El dataset de reconocimiento de dígitos.mp4
66.34 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/2. Introducción a Tensor Flow.mp4
52.55 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/15. De datos desestructurados a espacios vectoriales n-dimensionales.mp4
41.85 MB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.srt
26.74 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.srt
23.24 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/9. Un resumen visual de imágenes.srt
19.21 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/10. Pre procesado de imágenes previo al ML.srt
17.57 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/18. La fase de entrenamiento de la red neuronal.srt
17.02 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/11. Creación del modelo.srt
15.46 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/5. Instalando TensorFlow en tu ordenador.srt
14.89 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/3. Acerca de las redes neuronales y el deep learning.srt
14.83 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/17. Tensorflow y la regresión softmax.srt
13.24 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/8. Análisis exploratorio de los datos.srt
12.84 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/12. Entrenamiento del modelo.srt
11.82 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.srt
11.33 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/1. Redes neuronales del futuro.srt
8.5 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/14. El dataset de reconocimiento de dígitos.srt
8.39 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/19. La fase de evaluación de la red neuronal.srt
7.94 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/2. Introducción a Tensor Flow.srt
6.5 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/15. De datos desestructurados a espacios vectoriales n-dimensionales.srt
5.72 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/6. Si tienes problemas con la instalación de TensorFlow.html
2.06 KB
15. Introducción a las redes neuronales y al deep learning con TensorFlow/4. IMPORTANTE Versión de TensorFlow a utilizar.html
361 B
16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.mp4
198.05 MB
16. Juntar código de R y Python con la librería rpy2/9. Lo bueno de programación en Python, lo mejor de estadística con R.mp4
140.92 MB
16. Juntar código de R y Python con la librería rpy2/8. Rmagic.mp4
109.07 MB
16. Juntar código de R y Python con la librería rpy2/5. Llevando objetos de Python a R.mp4
103.6 MB
16. Juntar código de R y Python con la librería rpy2/2. Instalar la librería rpy2.mp4
88.67 MB
16. Juntar código de R y Python con la librería rpy2/1. Cuando Python conoce a R, no hay límites en el Big Data.mp4
71.15 MB
16. Juntar código de R y Python con la librería rpy2/4. Llevando objetos de R a Python.mp4
68.92 MB
16. Juntar código de R y Python con la librería rpy2/6. Cómo instalar y cargar paquetes de R desde Python.mp4
63.42 MB
16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.srt
24.99 KB
16. Juntar código de R y Python con la librería rpy2/9. Lo bueno de programación en Python, lo mejor de estadística con R.srt
15.87 KB
16. Juntar código de R y Python con la librería rpy2/8. Rmagic.srt
12.92 KB
16. Juntar código de R y Python con la librería rpy2/5. Llevando objetos de Python a R.srt
12.51 KB
16. Juntar código de R y Python con la librería rpy2/2. Instalar la librería rpy2.srt
10.48 KB
16. Juntar código de R y Python con la librería rpy2/4. Llevando objetos de R a Python.srt
8.59 KB
16. Juntar código de R y Python con la librería rpy2/6. Cómo instalar y cargar paquetes de R desde Python.srt
6.38 KB
16. Juntar código de R y Python con la librería rpy2/1. Cuando Python conoce a R, no hay límites en el Big Data.srt
4.06 KB
16. Juntar código de R y Python con la librería rpy2/3. Nota adicional para instalar rpy2 en Windows.html
1.01 KB
17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.mp4
175.13 MB
17. ¿Qué nos depara el futuro/3. Nos vemos en el próximo curso.mp4
36.08 MB
17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.srt
12.49 KB
17. ¿Qué nos depara el futuro/3. Nos vemos en el próximo curso.srt
2.1 KB
17. ¿Qué nos depara el futuro/4. Un regalo para ti.html
555 B
17. ¿Qué nos depara el futuro/2. Ejemplo dashboard con las valoraciones de las películas.html
494 B
17. ¿Qué nos depara el futuro/1.1 Web alternativa de datasets.html
104 B
2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.mp4
210.66 MB
2. Instalando nuestra herramienta de trabajo/4. Cómo instalar las mismas librerías que tengo yo en el curso con YML.mp4
70.54 MB
2. Instalando nuestra herramienta de trabajo/2. Las librerías estándar de Machine Learning en Python.mp4
44.27 MB
2. Instalando nuestra herramienta de trabajo/8. Comunidad de estudiantes del curso.mp4
43.77 MB
2. Instalando nuestra herramienta de trabajo/3. Los editores para programar en Python.mp4
30.74 MB
2. Instalando nuestra herramienta de trabajo/7. Las 5 etapas del análisis de datos.mp4
20.06 MB
2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.srt
38.68 KB
2. Instalando nuestra herramienta de trabajo/2. Las librerías estándar de Machine Learning en Python.srt
25.04 KB
2. Instalando nuestra herramienta de trabajo/7. Las 5 etapas del análisis de datos.srt
16.95 KB
2. Instalando nuestra herramienta de trabajo/4. Cómo instalar las mismas librerías que tengo yo en el curso con YML.srt
14.74 KB
2. Instalando nuestra herramienta de trabajo/3. Los editores para programar en Python.srt
12.21 KB
2. Instalando nuestra herramienta de trabajo/4.1 Archivo comprimido.zip
6.5 KB
2. Instalando nuestra herramienta de trabajo/6. IMPORTANTE Para los que la instalación del environment os da error.html
6.15 KB
2. Instalando nuestra herramienta de trabajo/8. Comunidad de estudiantes del curso.srt
4.64 KB
2. Instalando nuestra herramienta de trabajo/9. Algunos cambios en la versión 3.7 de Python.html
1.23 KB
2. Instalando nuestra herramienta de trabajo/5. IMPORTANTE Si el entorno anterior no funciona, prueba con el adjunto aquí.html
1.06 KB
2. Instalando nuestra herramienta de trabajo/5.1 environment.yaml.zip
717 B
2. Instalando nuestra herramienta de trabajo/1.2 Cómo instalar anaconda y python en cualquier sistema operativo.html
139 B
2. Instalando nuestra herramienta de trabajo/1.1 Cómo instalar anaconda y python en cualquier sistema operativo.html
139 B
2. Instalando nuestra herramienta de trabajo/8.1 Comunidad de Estudiantes del Curso.html
87 B
2. Instalando nuestra herramienta de trabajo/1.1 Anaconda Navigator.html
81 B
2. Instalando nuestra herramienta de trabajo/1.2 Anaconda Navigator.html
81 B
3. Una introducción al análisis predictivo y al Machine Learning/4. Aplicaciones y ejemplos del mundo del Data Science.mp4
84.36 MB
3. Una introducción al análisis predictivo y al Machine Learning/2. ¿Qué es el análisis predictivo de datos.mp4
47.4 MB
3. Una introducción al análisis predictivo y al Machine Learning/1. Ser Data Scientist es la profesión más sexy del siglo XXI.mp4
40.27 MB
3. Una introducción al análisis predictivo y al Machine Learning/3. Data Scientist = Matemáticas + Programación + Business.mp4
18.01 MB
3. Una introducción al análisis predictivo y al Machine Learning/4. Aplicaciones y ejemplos del mundo del Data Science.srt
31.71 KB
3. Una introducción al análisis predictivo y al Machine Learning/2. ¿Qué es el análisis predictivo de datos.srt
24.18 KB
3. Una introducción al análisis predictivo y al Machine Learning/1. Ser Data Scientist es la profesión más sexy del siglo XXI.srt
19.43 KB
3. Una introducción al análisis predictivo y al Machine Learning/3. Data Scientist = Matemáticas + Programación + Business.srt
14.39 KB
4. Limpieza de Datos/14. Ejercicio descargar y procesar datos desde una URL externa.mp4
55.19 MB
4. Limpieza de Datos/15. Las funciones básicas de resumen, estructura, dimensiones y cabecera.mp4
43.77 MB
4. Limpieza de Datos/12. Leer los datos desde una URL externa.mp4
37.84 MB
4. Limpieza de Datos/17. Qué hacer cuando faltan valores en el dataset.mp4
37.03 MB
4. Limpieza de Datos/8. Ejemplos de diferentes carga de datos con read_csv.mp4
29.73 MB
4. Limpieza de Datos/1. Data Cleaning.mp4
29.06 MB
4. Limpieza de Datos/6. Leer datos procedentes de un CSV.mp4
28.55 MB
4. Limpieza de Datos/7. Los parámetros de la función read_csv.mp4
25.95 MB
4. Limpieza de Datos/2. El concepto de data frame.mp4
25.06 MB
4. Limpieza de Datos/19. Visualización básica de un dataset el scatterplot.mp4
23.97 MB
4. Limpieza de Datos/16. ¿Por qué faltan valores en los data sets.mp4
23.84 MB
4. Limpieza de Datos/9. El método open para la carga manual de datos.mp4
22.92 MB
4. Limpieza de Datos/13. La carga de datos desde una hoja de cálculo.mp4
21.8 MB
4. Limpieza de Datos/11. Leer y escribir en un fichero con Python.mp4
21.24 MB
4. Limpieza de Datos/18. Las variables dummy.mp4
20.94 MB
4. Limpieza de Datos/21. Visualización básica de un dataset el boxplot.mp4
20.76 MB
4. Limpieza de Datos/20. Visualización básica de un dataset el histograma de frecuencias.mp4
18.48 MB
4. Limpieza de Datos/3. El repositorio Git del curso.mp4
10.91 MB
4. Limpieza de Datos/14. Ejercicio descargar y procesar datos desde una URL externa.srt
23.78 KB
4. Limpieza de Datos/7. Los parámetros de la función read_csv.srt
21.1 KB
4. Limpieza de Datos/17. Qué hacer cuando faltan valores en el dataset.srt
20.75 KB
4. Limpieza de Datos/15. Las funciones básicas de resumen, estructura, dimensiones y cabecera.srt
20.35 KB
4. Limpieza de Datos/8. Ejemplos de diferentes carga de datos con read_csv.srt
17.01 KB
4. Limpieza de Datos/9. El método open para la carga manual de datos.srt
16.62 KB
4. Limpieza de Datos/16. ¿Por qué faltan valores en los data sets.srt
16.22 KB
4. Limpieza de Datos/19. Visualización básica de un dataset el scatterplot.srt
16 KB
4. Limpieza de Datos/6. Leer datos procedentes de un CSV.srt
15.6 KB
4. Limpieza de Datos/18. Las variables dummy.srt
15.1 KB
4. Limpieza de Datos/21. Visualización básica de un dataset el boxplot.srt
15.02 KB
4. Limpieza de Datos/12. Leer los datos desde una URL externa.srt
14.07 KB
4. Limpieza de Datos/2. El concepto de data frame.srt
11.67 KB
4. Limpieza de Datos/20. Visualización básica de un dataset el histograma de frecuencias.srt
11.37 KB
4. Limpieza de Datos/13. La carga de datos desde una hoja de cálculo.srt
9.25 KB
4. Limpieza de Datos/11. Leer y escribir en un fichero con Python.srt
8.74 KB
4. Limpieza de Datos/3. El repositorio Git del curso.srt
6.6 KB
4. Limpieza de Datos/1. Data Cleaning.srt
5.94 KB
4. Limpieza de Datos/10. Cuidado con el método open.html
588 B
4. Limpieza de Datos/5. Acerca de las barras en Windows.html
568 B
4. Limpieza de Datos/4. ¿Qué hago si no me autocompleta Jupyter.html
315 B
4. Limpieza de Datos/3.1 El repositorio Git del Curso.html
103 B
5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.mp4
209.26 MB
5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.mp4
182.71 MB
5. Operaciones de manejo de datos/1. Data Wrangling.mp4
168.45 MB
5. Operaciones de manejo de datos/22. Concatenar dos datasets por filas.mp4
167.68 MB
5. Operaciones de manejo de datos/4. Buscar un subconjunto de datos de un dataset.mp4
167.05 MB
5. Operaciones de manejo de datos/28. Ejemplos de joins con Python.mp4
158.96 MB
5. Operaciones de manejo de datos/25. Concatenar los datos con merge.mp4
138.77 MB
5. Operaciones de manejo de datos/18. Filtrado, Transformación y otras operaciones útiles.mp4
133.27 MB
5. Operaciones de manejo de datos/26. Formas de cruzar tablas con joins.mp4
129.57 MB
5. Operaciones de manejo de datos/27. Eliminar datos de datasets con restricciones de conjunto.mp4
126 MB
5. Operaciones de manejo de datos/21. Muestreo aleatorio cómo dividir un dataset en conjunto de entreno y validación.mp4
118.42 MB
5. Operaciones de manejo de datos/17. Agregación de datos.mp4
112.31 MB
5. Operaciones de manejo de datos/16. Agrupación de los datos por categorías.mp4
86.7 MB
5. Operaciones de manejo de datos/15. Un dummy data frame con variables categóricas.mp4
78.4 MB
5. Operaciones de manejo de datos/19. Conjunto de entrenamiento y de testing.mp4
53.89 MB
5. Operaciones de manejo de datos/6. Subconjuntos de filas con ciertas condiciones.mp4
42.01 MB
5. Operaciones de manejo de datos/13. El método de la simulación de Monte-Carlo para encontrar el valor de Pi.mp4
37.6 MB
5. Operaciones de manejo de datos/30. ¿Te gusta el curso ¡Valóralo y cuéntanos tu opinión!.mp4
37.53 MB
5. Operaciones de manejo de datos/8. Generar números aleatorios.mp4
35.15 MB
5. Operaciones de manejo de datos/29. Ya conoces las bases del manejo de datos.mp4
26.79 MB
5. Operaciones de manejo de datos/7. Subconjuntos con loc e iloc y creación de nuevas columnas.mp4
26.7 MB
5. Operaciones de manejo de datos/12. La distribución Normal.mp4
22.81 MB
5. Operaciones de manejo de datos/14. Generando dummy data frames.mp4
17.61 MB
5. Operaciones de manejo de datos/11. La distribución uniforme.mp4
12.32 MB
5. Operaciones de manejo de datos/9. La semilla de la generación aleatoria.mp4
8.27 MB
5. Operaciones de manejo de datos/10. Funciones de distribución de probabilidades.mp4
6.74 MB
5. Operaciones de manejo de datos/2.1 2018-05-09_23-40-38-fe3ca92ce37648006c5d5e94ed873b61.jpg
2.3 MB
5. Operaciones de manejo de datos/2.2 2018-05-09_23-40-38-fe3ca92ce37648006c5d5e94ed873b61.jpg
2.29 MB
5. Operaciones de manejo de datos/2.2 2018-05-09_23-40-38-41dcf24f24c7e29a782f135742c028c6.jpg
2.21 MB
5. Operaciones de manejo de datos/2.1 2018-05-09_23-40-38-41dcf24f24c7e29a782f135742c028c6.jpg
2.21 MB
5. Operaciones de manejo de datos/13. El método de la simulación de Monte-Carlo para encontrar el valor de Pi.srt
24.87 KB
5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.srt
24.04 KB
5. Operaciones de manejo de datos/8. Generar números aleatorios.srt
23.26 KB
5. Operaciones de manejo de datos/4. Buscar un subconjunto de datos de un dataset.srt
22.37 KB
5. Operaciones de manejo de datos/6. Subconjuntos de filas con ciertas condiciones.srt
20.72 KB
5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.srt
20.7 KB
5. Operaciones de manejo de datos/7. Subconjuntos con loc e iloc y creación de nuevas columnas.srt
19.24 KB
5. Operaciones de manejo de datos/22. Concatenar dos datasets por filas.srt
18.18 KB
5. Operaciones de manejo de datos/12. La distribución Normal.srt
18.13 KB
5. Operaciones de manejo de datos/26. Formas de cruzar tablas con joins.srt
17.28 KB
5. Operaciones de manejo de datos/28. Ejemplos de joins con Python.srt
16.66 KB
5. Operaciones de manejo de datos/18. Filtrado, Transformación y otras operaciones útiles.srt
16.26 KB
5. Operaciones de manejo de datos/21. Muestreo aleatorio cómo dividir un dataset en conjunto de entreno y validación.srt
15.19 KB
5. Operaciones de manejo de datos/25. Concatenar los datos con merge.srt
14.66 KB
5. Operaciones de manejo de datos/27. Eliminar datos de datasets con restricciones de conjunto.srt
12.94 KB
5. Operaciones de manejo de datos/15. Un dummy data frame con variables categóricas.srt
12.18 KB
5. Operaciones de manejo de datos/17. Agregación de datos.srt
12.17 KB
5. Operaciones de manejo de datos/14. Generando dummy data frames.srt
11.93 KB
5. Operaciones de manejo de datos/11. La distribución uniforme.srt
10.23 KB
5. Operaciones de manejo de datos/1. Data Wrangling.srt
9.86 KB
5. Operaciones de manejo de datos/16. Agrupación de los datos por categorías.srt
8.33 KB
5. Operaciones de manejo de datos/19. Conjunto de entrenamiento y de testing.srt
6.8 KB
5. Operaciones de manejo de datos/10. Funciones de distribución de probabilidades.srt
6.78 KB
5. Operaciones de manejo de datos/9. La semilla de la generación aleatoria.srt
6.68 KB
5. Operaciones de manejo de datos/29. Ya conoces las bases del manejo de datos.srt
4.73 KB
5. Operaciones de manejo de datos/30. ¿Te gusta el curso ¡Valóralo y cuéntanos tu opinión!.srt
2.36 KB
5. Operaciones de manejo de datos/20. Atualización cómo dividir conjunto de entrenamiento y test.html
659 B
5. Operaciones de manejo de datos/3. Fe de erratas.html
508 B
5. Operaciones de manejo de datos/5. Filtrados alternativos.html
489 B
5. Operaciones de manejo de datos/2. Una chuleta de pandas para Data Wrangling.html
410 B
6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.mp4
235.24 MB
6. Conceptos básicos de estadística para la modelización predictiva/1. Los conceptos fundamentales de estadística.mp4
155.94 MB
6. Conceptos básicos de estadística para la modelización predictiva/6. Cómo hacer un contraste de hipótesis paso a paso.mp4
118.18 MB
6. Conceptos básicos de estadística para la modelización predictiva/7. Test de la chi cuadrado.mp4
107.29 MB
6. Conceptos básicos de estadística para la modelización predictiva/5. Los contrastes de hipótesis.mp4
92.93 MB
6. Conceptos básicos de estadística para la modelización predictiva/4. Muestreo aleatorio y el teorema central del límite.mp4
87.82 MB
6. Conceptos básicos de estadística para la modelización predictiva/2. Un resumen de los estadísticos básicos (en R).mp4
51.4 MB
6. Conceptos básicos de estadística para la modelización predictiva/9. Un resumen de lo aprendido.mp4
19.87 MB
6. Conceptos básicos de estadística para la modelización predictiva/3.1 Datos estadisticos (1).pdf
136.73 KB
6. Conceptos básicos de estadística para la modelización predictiva/2. Un resumen de los estadísticos básicos (en R).srt
33.7 KB
6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.srt
33.3 KB
6. Conceptos básicos de estadística para la modelización predictiva/6. Cómo hacer un contraste de hipótesis paso a paso.srt
23.46 KB
6. Conceptos básicos de estadística para la modelización predictiva/7. Test de la chi cuadrado.srt
19.07 KB
6. Conceptos básicos de estadística para la modelización predictiva/4. Muestreo aleatorio y el teorema central del límite.srt
15.49 KB
6. Conceptos básicos de estadística para la modelización predictiva/5. Los contrastes de hipótesis.srt
15.41 KB
6. Conceptos básicos de estadística para la modelización predictiva/1. Los conceptos fundamentales de estadística.srt
8.75 KB
6. Conceptos básicos de estadística para la modelización predictiva/9. Un resumen de lo aprendido.srt
3.98 KB
6. Conceptos básicos de estadística para la modelización predictiva/3. El resumen de estadísticos en Python (propuesta de un estudiante).html
174 B
7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.mp4
318.1 MB
7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.mp4
284.5 MB
7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.mp4
280.77 MB
7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.mp4
237.74 MB
7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.mp4
217.82 MB
7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.mp4
215.88 MB
7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.mp4
195.89 MB
7. Regresión lineal con Python/10. Regresión lineal múltiple.mp4
183.48 MB
7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.mp4
171.79 MB
7. Regresión lineal con Python/20. El problema de los outliers.mp4
161.28 MB
7. Regresión lineal con Python/9. Implementar una regresión lineal con Python.mp4
155.45 MB
7. Regresión lineal con Python/1. La regresión lineal.mp4
142.56 MB
7. Regresión lineal con Python/7. Encontrando los coeficientes óptimos de la regresión.mp4
135.04 MB
7. Regresión lineal con Python/15. Modelos lineales con variables categóricas.mp4
118.9 MB
7. Regresión lineal con Python/22. Un resumen de la regresión lineal.mp4
114.65 MB
7. Regresión lineal con Python/12. Validando nuestro modelo.mp4
103.97 MB
7. Regresión lineal con Python/11. El problema de la multicolinealidad.mp4
97.37 MB
7. Regresión lineal con Python/14. Regresión lineal con scikit-learn.mp4
84.31 MB
7. Regresión lineal con Python/13. El resumen de todos los modelos lineales creados.mp4
52.22 MB
7. Regresión lineal con Python/4. Errores normalmente distribuidos.mp4
45.13 MB
7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.srt
35.03 KB
7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.srt
33.55 KB
7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.srt
28.67 KB
7. Regresión lineal con Python/10. Regresión lineal múltiple.srt
26.47 KB
7. Regresión lineal con Python/9. Implementar una regresión lineal con Python.srt
23.65 KB
7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.srt
20.37 KB
7. Regresión lineal con Python/20. El problema de los outliers.srt
17.61 KB
7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.srt
17.42 KB
7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.srt
17.06 KB
7. Regresión lineal con Python/7. Encontrando los coeficientes óptimos de la regresión.srt
15.96 KB
7. Regresión lineal con Python/12. Validando nuestro modelo.srt
15.36 KB
7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.srt
13.43 KB
7. Regresión lineal con Python/11. El problema de la multicolinealidad.srt
13.14 KB
7. Regresión lineal con Python/14. Regresión lineal con scikit-learn.srt
12.14 KB
7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.srt
11.71 KB
7. Regresión lineal con Python/1. La regresión lineal.srt
8.68 KB
7. Regresión lineal con Python/15. Modelos lineales con variables categóricas.srt
7.63 KB
7. Regresión lineal con Python/22. Un resumen de la regresión lineal.srt
7.56 KB
7. Regresión lineal con Python/13. El resumen de todos los modelos lineales creados.srt
7.1 KB
7. Regresión lineal con Python/4. Errores normalmente distribuidos.srt
2.72 KB
7. Regresión lineal con Python/6. Ejercicio demostrar que SST = SSR + SSD.html
1.82 KB
7. Regresión lineal con Python/17. Otra forma más simple de calcular las predicciones.html
279 B
8. Regresión logística con Python/7. Estimación con el método de máxima verosimilitud.mp4
454.35 MB
8. Regresión logística con Python/8. Crear un modelo logístico desde cero.mp4
440.2 MB
8. Regresión logística con Python/9. Análisis exploratorio de los datos.mp4
300.56 MB
8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.mp4
282.81 MB
8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.mp4
243.48 MB
8. Regresión logística con Python/6. De la regresión lineal a la logística.mp4
167.22 MB
8. Regresión logística con Python/15. Las matrices de confusión y las curvas ROC.mp4
157 MB
8. Regresión logística con Python/2. Regresión lineal vs regresión logística.mp4
142.68 MB
8. Regresión logística con Python/12. Validación del modelo y evaluación del mismo.mp4
136.05 MB
8. Regresión logística con Python/11. Implementar una regresión logística con Python.mp4
129.54 MB
8. Regresión logística con Python/4. Probabilidades condicionadas.mp4
123.81 MB
8. Regresión logística con Python/17. Resumen de la regresión logística.mp4
122 MB
8. Regresión logística con Python/5. Cociente de probabilidades.mp4
118.85 MB
8. Regresión logística con Python/14. Validación cruzada con Python.mp4
106.69 MB
8. Regresión logística con Python/13. La validación cruzada.mp4
98.87 MB
8. Regresión logística con Python/1. La regresión logística.mp4
74.71 MB
8. Regresión logística con Python/3. Las matemáticas detrás de la regresión logística.mp4
66.42 MB
8. Regresión logística con Python/8. Crear un modelo logístico desde cero.srt
52.11 KB
8. Regresión logística con Python/7. Estimación con el método de máxima verosimilitud.srt
44.14 KB
8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.srt
35.83 KB
8. Regresión logística con Python/9. Análisis exploratorio de los datos.srt
33.23 KB
8. Regresión logística con Python/6. De la regresión lineal a la logística.srt
22.32 KB
8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.srt
21.78 KB
8. Regresión logística con Python/12. Validación del modelo y evaluación del mismo.srt
17.45 KB
8. Regresión logística con Python/13. La validación cruzada.srt
16.8 KB
8. Regresión logística con Python/11. Implementar una regresión logística con Python.srt
16.47 KB
8. Regresión logística con Python/14. Validación cruzada con Python.srt
14.41 KB
8. Regresión logística con Python/5. Cociente de probabilidades.srt
14.24 KB
8. Regresión logística con Python/4. Probabilidades condicionadas.srt
14.23 KB
8. Regresión logística con Python/3. Las matemáticas detrás de la regresión logística.srt
13.65 KB
8. Regresión logística con Python/15. Las matrices de confusión y las curvas ROC.srt
10 KB
8. Regresión logística con Python/2. Regresión lineal vs regresión logística.srt
9.48 KB
8. Regresión logística con Python/17. Resumen de la regresión logística.srt
7.9 KB
8. Regresión logística con Python/1. La regresión logística.srt
4.4 KB
9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.mp4
331.5 MB
9. Clustering y clasificación/3. El concepto de distancia.mp4
305.93 MB
9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.mp4
298.63 MB
9. Clustering y clasificación/10. Un clustering completo por donde cortamos el dendrograma.mp4
263.11 MB
9. Clustering y clasificación/6. Uniendo datos manualmente.mp4
253.44 MB
9. Clustering y clasificación/14. Ejercicio Segmentación de los vinos.mp4
248.04 MB
9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.mp4
231.59 MB
9. Clustering y clasificación/5. Métodos de enlace.mp4
224.02 MB
9. Clustering y clasificación/8. Un clustering completo la fase de exploración de datos.mp4
163.13 MB
9. Clustering y clasificación/18. Propagación de la afinidad.mp4
156.43 MB
9. Clustering y clasificación/19. Implementando la propagación de la afinidad.mp4
155.96 MB
9. Clustering y clasificación/1. Clustering.mp4
140.34 MB
9. Clustering y clasificación/12. El método de k-means.mp4
138.92 MB
9. Clustering y clasificación/7. Clustering jerárquico en Python.mp4
129.14 MB
9. Clustering y clasificación/16. El coeficiente de la silueta.mp4
128.74 MB
9. Clustering y clasificación/4. Matriz de distancias en Python.mp4
118.72 MB
9. Clustering y clasificación/21. Los K medoides y el clustering espectral.mp4
115.65 MB
9. Clustering y clasificación/11. Un clustering completo visualización final del clustering.mp4
110.29 MB
9. Clustering y clasificación/13. Implementando k-means con Python.mp4
82.64 MB
9. Clustering y clasificación/22. Resumen del clustering.mp4
76.14 MB
9. Clustering y clasificación/20. Generando distribuciones en forma de anillo.mp4
70.3 MB
9. Clustering y clasificación/15. El método del codo.mp4
69.04 MB
9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.srt
36.88 KB
9. Clustering y clasificación/10. Un clustering completo por donde cortamos el dendrograma.srt
35.05 KB
9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.srt
31.11 KB
9. Clustering y clasificación/14. Ejercicio Segmentación de los vinos.srt
30.34 KB
9. Clustering y clasificación/6. Uniendo datos manualmente.srt
28.85 KB
9. Clustering y clasificación/3. El concepto de distancia.srt
22.52 KB
9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.srt
22 KB
9. Clustering y clasificación/19. Implementando la propagación de la afinidad.srt
20.11 KB
9. Clustering y clasificación/8. Un clustering completo la fase de exploración de datos.srt
18.39 KB
9. Clustering y clasificación/21. Los K medoides y el clustering espectral.srt
17.26 KB
9. Clustering y clasificación/7. Clustering jerárquico en Python.srt
16.57 KB
9. Clustering y clasificación/5. Métodos de enlace.srt
14.49 KB
9. Clustering y clasificación/4. Matriz de distancias en Python.srt
14.47 KB
9. Clustering y clasificación/11. Un clustering completo visualización final del clustering.srt
11.44 KB
9. Clustering y clasificación/20. Generando distribuciones en forma de anillo.srt
11.21 KB
9. Clustering y clasificación/13. Implementando k-means con Python.srt
9.72 KB
9. Clustering y clasificación/16. El coeficiente de la silueta.srt
9.25 KB
9. Clustering y clasificación/18. Propagación de la afinidad.srt
8.75 KB
9. Clustering y clasificación/12. El método de k-means.srt
8.63 KB
9. Clustering y clasificación/1. Clustering.srt
7.87 KB
9. Clustering y clasificación/22. Resumen del clustering.srt
5.08 KB
9. Clustering y clasificación/15. El método del codo.srt
4.87 KB
相关资源

免责声明

本网站仅提供DHT网络资源索引服务，不存储任何资源文件。所有资源均来自DHT网络，本站无法控制其内容。请遵守当地法律法规，合理使用网络资源。如涉及版权问题，请联系 fuckatgfw@protonmail.com。

© 2025 鹿鹿堂