> Módulo 1: Configuración óptima del entorno para minería de datos

Usar Python y Jupyter Notebook

¿Qué es la clasificación?

 

> Módulo 2: Clasificación con estimadores de scikit-learn

Estimadores de scikit-learn

Preprocesamiento

Pipelines

 

> Módulo 3: Predicción con árboles de decisión y recomendaciones con análisis de afinidad

Cargando el conjunto de datos

Árboles de decisión

Predicción de resultados deportivos

Random Forest

Recomendar películas mediante el análisis de afinidad

Análisis de afinidad

Lidiar con el problema de la recomendación de películas

Comprender el algoritmo Apriori y su implementación

 

> Módulo 4: Características y transformadores scikit-learn

Extracción de características

Selección de características

Creación de funciones

Análisis de componentes principales

Creando tu propio transformador

 

> Módulo 5: Social Media Insights con Naive Bayes

Desambiguación

Descarga de datos de una red social

Transformadores de texto

Naive Bayes

Aplicación de Naive Bayes

Obtener funciones útiles de los modelos

 

> Módulo 6: Recomendaciones con Graph Mining

Cargando el conjunto de datos

Obtener información de seguidores de Twitter

Creando una gráfica

Encontrar subgrafos

 

> Módulo 7: Clustering de artículos de noticias

Descubrimiento de temas de tendencia

Extraer texto de sitios web arbitrarios

Agrupación de artículos de noticias

El algoritmo k-means

Agrupación de conjuntos