Machine Learning Aplicada a Marketing Analytics con Python
Clústers con K-Means y PCA, Mod. Predictivos: Random Forest, Gradient Boosting y Redes Neuronales, TensorFlow, ChatGPT
4.63 (52 reviews)
385
students
24.5 hours
content
Jan 2025
last update
$19.99
regular price
What you will learn
Introducción desde cero a Python en Jupyter Notebooks, desde la instalación de Anaconda hasta el uso de funciones y bibliotecas como numpy, pandas y matplotlib
Segmentación de Mercados con Análisis de Clusteres con K-Means y Análisis de Componentes Principales
Modelos Predictivos de Conversión de Leads (Clientes Potenciales) con Regresión Logística
Modelos Predictivos de Conversión de Leads (Clientes Potenciales) con Redes Neuronales utilizando la biblioteca TensorFlow en Google Colab
Estimación del Punto de Corte para la Predicción (Probabilidad) a Partir de la Optimización de una Función de Costos de Falsos Positivos y Falsos Negativos
Estimación de Matriz de Confusión y Métricas como Accuracy, Precisión, Recall y F1-Score
Aprender a implementar y optimizar modelos de Random Forest y Gradient Boosting, incluyendo Fine Tuning con SearchGrid.
Dominar la validación cruzada para evaluar y mejorar la robustez de modelos avanzados de Machine Learning.
Emplear ChatGPT para facilitar la codificación en Python, centrado en la implementación eficiente de métodos avanzados de machine learning.
Aprovechar ChatGPT en el análisis y la interpretación de resultados, como la perfilación de clientes derivada de KMeans y el etiquetado en PCA.
Screenshots
4454674
udemy ID
12/21/2021
course created date
1/28/2022
course indexed date
Bot
course submited by