A2 | Inteligencia Artificial - Domina la Ciencia de Datos

Ciencia de Datos es la carrera mas sexy.

Aprende con nosotros.

La esencia de la ciencia de Datos es el Machine Learning y las Redes Neuronales - este paquete trae todo lo que necesitas aprender.

Clases Sencillas de Seguir

Nuestro estilo de dar clases es ameno, sencillo y te la pasaras botado de la risa. Pero lo mas importante: dominaras el tema.

Aprende a tu ritmo

Tus clases estan siempre disponibles - desde tu casa, tu playa, tu oficina o tu celular.

3 Cursos en 1

Python + Machine Learning + Redes Neuronales. Con estas 47 horas de video vas a aprender Inteligencia Artificial a nivel posgrado.

Temario de Machine Learning

13 Horas de video cuidadosamente editado para que entiendas TODO lo que se necesita de machine learning. Ni en los mejores posgrados ves este nivel de detalle.

1- Introduccion
1.1- Panorama de Machine learning
1.2a- Aprendizaje Supervisado y No Supervisado
1.2b.- Aprendizaje Supervisado y No Supervisado
1.3- Aprendizaje Batch y Aprendizaje Online
1.4- Aprendizaje basado en instancias y Basado en Modelos
1.5- Retos principales de Machine Learning
1.6- Testeo, Validacion e Hiperparametros

1- Introduccion_1
2- Trabajar con Datos de la Vida Real
3- Ver el panorama completo
4- Panorama Completo-El modelo
7- Validar los Supuestos
8-Obtener los Datos
9-Un vistazo Rápido 1 - Merge e Info
10- Un vistazo Rápido 2 - Análisis de Datos
11-Crear un Set de Prueba y Entrenamiento
12 Crear un Set de Prueba y Entrenamiento
13-Crear un Set de Prueba y Entrenamiento 3
14-Crear un Set de Prueba y Entrenamiento 4
15-Geopandas
16-Geopandas 2 (instalar) Opcional
16-Geopandas 2 (instalar)
17-Geopandas 3
18-Geopandas 4
19-Geopandas 5
20-Geopandas 6
21-Correlaciones
22-Combinar Variables para Correlacion
23-Separar Etiquetas y Datos de Entrenamiento_1
24-Rellenar Datos vacios con Pandas
25-Rellenar Datos vacios con Simple Imputer
26-Armate el Ordinal Encoder
27-One Hot Encoding_avance_3
28-Escalar Datos
29-Column Transform
30-Pipeline
31-Ajustar el modelo y errores iniciales
32-Calcular RMSE_final
33-Arbol de Decision
34-K-Fold Cross Validation
35-Random Forest
36-Grid Search
37-Set de Prueba
38-Conclusiones

1- Introduccion
2- Cargar los Datos
3-Análisis de una sola variable
4-Análisis de variables vs Medicamento
5-LImpieza de Datos y Train Test Split
6- Precisión y Recall
7- Modelo de Clasificación Binario
8- Matriz de confusion
9-Medidas de Desempeño - Medir Accuracy
10- Crear Matriz de Confusión
11- Como medir Precisión y Recall
12-Umbral de Precisión y Recall
13-Curva ROC
14- Clasificación Multiclase
15- Analisis de Errores y Final

1- Introducción
2- Regresión Lineal
3- La ecuación Normal
4- Complejidad Computacional
5- Decenso del Gradiente - Básico
6- Decenso del Gradiente - Con su Derivada
7- Decenso del Gradiente - Batch
8- SGD
9- Mini Batch y Concluision
10- Regresión Poliniminal
11- Curvas de Aprendizaje
12- Bias vs Variance intercambio
13- Regresión de Cresta
14- Regresión de Lasso
15- Elastic Net
16- Función Sigmoide
17- Función de Costo
18- Aplicación de Regresión Lógistica
19- Función Softmax
20- Entropia cruzada
21- Softmax aplicado

1- SVM
2- Margen Suave
3- Ejemplo con Python
4- Clasificacion no lineal
5- Kernel Trick
6- RBF Explicación
7- RBF Apliación
8- Complejidad computacional
9- Regresión SVM
10- Matematicas SVM Margen Duro
11- Matematicas SVM Margen Suave
12- Problema Dual
13- Truco de Kernel Final

1- Introduccion
2- Armando el arbol
3- Arbol de Decisiones
4- Probabilidades
5- Cart
6- Complejidad Computacional
7- Hiperparametros
8- Regresión
9- INestabilidad

1- Introduccion
2- Conceptos basicos de Clasificadores
3- Un primer votador
4- Bagging y Pasting
5- Bagging y Pasting en Scikit
6- Out of the Bag
7- Random Subspaces
8- Random Forests
9- Predictores
10- Boosting
11- ADABoost
12- Gradient Boost
13- Aprendizaje en Conjunto

1- Introducción
2- La maldicion de la Dimensionalidad
3- Proyecciones
4- Manifolio
5- PCA-Matematicas
6- PCA - Scikit
7- PCA para compresion
8- Incremental PCA
9- Kernel PCA
10- Seleccionar un PCA de Kernel
11- LLE

1- Introducción
2- Clustering
3- Usando Stickit
4- Explicacion
5- Inicializando centroides
6- MiniBatch
7- Cuantos Clusters se arman
8- Limites de KMeans
9- Procesamiento de imagenes
10- Procesamiento con KMeans
11- DBSCAN
12- DBSCAN 2
13- Tipos de Clusters
14- Mezclas Gaussianas
15- GMM en Sickit
16- Anomalias
17- Cuantos Clusters
18- Modelo Bayessiano

Temario de Deep Learning

19 Horas de video cuidadosamente editado para que entiendas TODO lo que se necesita de Redes Neuronales. Ni en los mejores postgrados ves este nivel de detalle.

01- Introduccion

02- De neuronas biologicas a Artificiales

03- Neuronas Biologicas

04- Computaciones

05- El Perceptron

06- Como funciona una red neuronal

07- Backpropagation Terminado

08- BackPropagation de a 3 parametros

09- Backpropagation Optimizar todos los parametros

10- Keras y Tensorflow

11- Instalar Keras y Tensorflow

12- Cargar los datos de CIFAR10

13- Checar las imagenes

14- Armar el modelo

15- Compilar el Modelo

16- Correr el modelo y fracasar

17- Corregir el modelo

18- Usar el modelo para predecir

19- Armar un modelo de regresion

20- API Funcional

21- Guardar un Modelo

22- Callbacks

23- Tensorboard

24-- Optimizar Modelos

01- Introducción
02- CIFAR10 - 1
03- El gradiente que se desvanece
04- Inicializaciones
05- Funciones de Activacion
06- CIFAR10 - 2
07- Batch Norm
08- Batch Norm en Keras
09- Optimización por momentum
10- Nesterov
11- Adagrad
12- RMS Prop
13- Adam
17- Intro Regularizacion
18- Regularizacion L! y L2
19- Dropout
20- MC Dropout
21- Salida

01- Introducción
02- Tensorflow que es
03- Que son tensores
04- Tensores
05- Indizar
06- Operaciones
07- TF y Numpy
08- Variables
09- HuberFn
10- Cargar mdoelos
11- Funciones Personalizadas
12- Métrica de Streaming y metricas Personalizadas
13- Capas Personalizadas
14- Modelos personalizados

1.- Introduccion_limpio
2.- Datasets en Tensorflow
3.- Encadenar Transformaciones
4.- Barajear los Datos_AVANCE_04
5.- Todo Junto a la vez_Avance_04
6.- Todo Junto (error garrafal en la funcion)_Avance_01
7.- Prefetching_AVANCE_04
8.- Hacerlo Todo En Keras_AVANCE_01
9.- Procesar Imagenes_AVANCE_02

01- Introduccion
02- La corteza Visual
03- Como Funciona una Red neuronal Convolucional
04- Agrupando Feature Maps Multiples
05- Que tan pesadas son las CNNs
06- Diferentes Redes Neuronales
07-Segmentacion Semantica
08- Temas Adicionales
09- Progra1 - Preparar el libro de Trabajo
10- Progra2 - Crear una capa convolucional
11- Progra3 - Max Pooling
12- Progra4 - AvgPooling 2
13- Progra5 - MNIST
14- Progra6 - RESNET 34
15- Progra7 - Resnet 50 transfer
16- Progra8 - Xception

01 - Neuronas y Capas Recurrentes
02 - Celdas de Memoria
03 - Secuencia de Entrada y de Salida
04- Entrenando RNNs
05- Secuencia de Amazon
06- Importaciones Comunes
07- Series de tiempo - Parte 1
08- Series de tiempo - Parte 2
09- Series de tiempo - Parte 3
11- Series de Tiempo - Parte 5
12- Predecir Varios Pasos a Futuro
13- Predecir Varios Pasos a Futuro - Parte 2
14- Predecir Varios Pasos a Futuro - Parte 3
15- Manejar Secuencias Largas
16- Manejar Secuencias Largas 2
17- Manejo de Secuencias Largas 3 - Batch Norm
18- Manejo de Secuencias Largas 4 - Batch Norm
19- Manejo de Secuencias Largas 5 - LSTM
20- Manejo de Secuencias Largas 5-5 - LSTM Teoria
21- Manejo de Secuencias Largas 6 - GRU_1
22- Manejo de Secuencias Largas Parte 7 Conv1d y Wavenet

01- Procesamiento del lenguaje Natural
02- Texto de Cervantes
03- Comenzando con el Codigo
04- Cargar el set de datos
05- Ventanas para dataset
06- Construir y entrenar el modelo de Char RNN
07- Utilizando el Char RNN
08- Stateful RNN HD
09- Stateful RNN - Codigo
10- Análisis de Sentimiento
11- Analisis de Sentimiento - Código
12- Masking
13- Masking - Codigo
14- Red encoder para tarducción2
15- El Codificador
16- Codificador - Codigo
17- Codificador - Codigo
18- RNNs Bidireccional
19- RNN Bidireccionales Codigo
20- Beam Search
21- Mecanismos de atencion
22- Mecanismos de atención - Codigo
23- Atencion es todo lo que necesitas
24- Que Comen los Transformers
25-Atención Multi Cabeza
26- El decodificador
27-Atencion Enmascarada

01- Introducción
02- Armar un PCA con un Autoencoder
03- Autoencoders Encimados
04- Implementacion en Keras (Autoencoders Encimados)
05- Preentrenamiento sin supervision
06- Un Autoencoder a la vez
07- Autoencoders Convolucionales
08- Autoencoders Convolucionales
09- Autoencoders Recurrentes
10- Autoencoders para quitar ruido
11.- Autoencoders Dispersos
11a.- Autoencoders de Dispersion
12- Autoencoder Variacional
13- Autoencoder Variacional
14- Generar imagenes de MNIST moda
15.- GANs
16- Base Matemática de las GANs
17- Gan para MNIST
18- La dificultad de Trabajar con GANs
19- GANs Convolucionales Profundas
20- GANs que crecen2

01- Intro
02- Optimizando Premios
03- Normas Correctas
04- Open AI Gym
05- Una Política SImple
06- Una política con aprendizaje profundo
07- Políticas de Redes Neuronales_mezcla
08- Asignación de crédito
09- Gradientes de Política
10- Gradientes de Política
11- Procesos de decision Markov
12- Programando MDP
13- Aprendizaje De Diferencia Temporal
14- Q Learning
15- Políticas de Exploracion
16- Aprendizaje Q profundo
17- DQNs en Accion
18- Variantes de DQN

Python + Redes Neuronales + Inteligencia Artificial

Ciencia de Datos es la carrera mas sexy.

Aprende con nosotros.

Clases Sencillas de Seguir

Aprende a tu ritmo

3 Cursos en 1

Temario de Machine Learning

Temario de Deep Learning

Inteligencia Artificial de principio a fin

Curso que parece serie de Netflix

Un Certificado que vas a presumir

25,000 alumnos han decidido transformar sus vidas con A2

25K

4.7

Listo para mejorar tu carrera?

Python + Redes Neuronales + Inteligencia Artificial

Ciencia de Datos es la carrera mas sexy.

Aprende con nosotros.

Clases Sencillas de Seguir

Aprende a tu ritmo

3 Cursos en 1

Temario de Machine Learning

Introducción a Machine Learning 8 Videos 30m 15s

Proyecto Inicio a Fin 37 clases 2h 38m

Clasificación 15 clases 1h 49m

Modelos de Regresión 21 clases 2h 39m

Máquinas de Vectores de Soporte 13 clases 1h 21m

Árboles de Decisión 9 clases 0h 30m

Bosque Aleatorio y Boosting 13 clases 1h 03m

Reducción de Dimensiones 11 clases 0h 53m

Aprendizaje no Supervisado 18 Clases 1h 52m

Temario de Deep Learning

Introducción a Redes y Keras 24 Videos 2h 51m

Entrenando Redes Profundas 18 clases 1h 36m

Modelos en TensorFlow 14 clases 1h 34m

Cargar y Preprocesar datos en TensorFlow 9 clases 1h 09m

Redes Convolucionales 16 clases 2h 16m

Redes Recurrentes 21 clases 2h 00m

Procesamiento de Lenguaje Natural 27 clases 2h 31m

Autoencoders y GANs 21 clases 1h 17m

Aprendizaje de Refuerzo 18 Clases 2h 01m

Inteligencia Artificial de principio a fin

Curso que parece serie de Netflix

Un Certificado que vas a presumir

25,000 alumnos han decidido transformar sus vidas con A2

25K

4.7

Listo para mejorar tu carrera?