Scratch the image to get a discount on your course. You'll be able to apply the coupon at checkout.
235
Bienvenidos al curso de Python
Cómo sacarle el Máximo Partido al Curso
Las 5 Etapas del Análisis de Datos
La Comunidad de Discord para Aprender con Amigos
El Repositorio GitHub del Curso
NOTA: Actualización a Python 3.11.4: Tu Curso en la Última Versión - Septiembre 2023
Toma notas de tu curso en tiempo real en Frogames Formación
Descargar e Instalar Python y Anaconda (2023)
INFORMACIÓN IMPORTANTE: Entornos y Versiones de Python - Todo lo que Necesitas Saber
Instalar el entorno de Python con las librerías del curso
Los Editores para Programar en Python
Las Librerías Estándar de Machine Learning
Algunos Cambios Importantes en la Versión de Python
Ser Data Scientist es la Profesión más Sexy del Siglo XXI
¿Qué es el Análisis Predictivo de Datos?
Data Scientist = Matemáticas + Programación + Business
Aplicaciones y Ejemplos del Mundo del Data Science
Data Cleaning
El Concepto de Data Frame
El Repositorio Git del Curso
¿Qué Hago si no me Autocompleta Jupyter?
Acerca de las Barras en Windows
Leer Datos Procedentes de un CSV
Los Parámetros de la Función read_csv
Ejemplos de Diferentes Cargas de Datos con read_csv
El Método open para la Carga Manual de Datos
Cuidado con el Método open
Leer y Escribir en un Fichero con Python
Leer los Datos desde una URL Externa
La Carga de Datos desde una Hoja de Cálculo
Ejercicio: Descargar y Procesar Datos desde una URL Externa
Las Funciones Básicas de Resumen, Estructura, Dimensiones y Cabecera
¿Por qué Faltan Valores en los Datasets?
Qué Hacer cuando Faltan Valores en el Dataset
Las Variables Dummy
Visualización Básica de un Dataset: el Scatterplot
Visualización Básica de un Dataset: el Histograma de Frecuencias
Visualización Básica de un Dataset: el Boxplot
Data Wrangling
Fe de Erratas
Una Chuleta de pandas para Data Wrangling
Buscar un Subconjunto de Datos de un Dataset
Filtrados Alternativos
Subconjuntos de Filas con ciertas Condiciones
Subconjuntos con loc e iloc y Creación de Nuevas Columnas
Generar Números Aleatorios
La Semilla de la Generación Aleatoria
Funciones de Distribución de Probabilidad
La Distribución Uniforme
La Distribución Normal
El Método de la Simulación de Monte-Carlo para Encontrar el Valor de Pi
Generando Dummy Data Frames
Un Dummy Data Frame con Variables Categóricas
Agrupación de los Datos por Categorías
Agregación de Datos
Filtrado, Transformación y Otras Operaciones Útiles
Conjunto de Entrenamiento y de Testing
Atualización: Cómo Dividir el Dataset en Conjunto de Entrenamiento y Test
Muestreo Aleatorio: Cómo Dividir un Dataset en Conjunto de Entreno y Validación
Concatenar Dos Datasets por Filas
Carga de Cientos de Datos Distribuidos
Ejercicio: el Dataset de los Juegos Olímpicos
Concatenar los Datos con merge
Formas de Cruzar Tablas con Joins
Eliminar Datos de Datasets con Restricciones de Conjunto
Ejemplos de Joins con Python
Ya Conoces las Bases del Manejo de Datos
Los Conceptos Fundamentales de Estadística
Muestreo Aleatorio y el Teorema Central del Límite
Un Resumen de Estadísticos en Python (Propuesta de un Estudiante)
Los Contrastes de Hipótesis
Cómo Hacer un Contraste de Hipótesis Paso a Paso
Test de la Chi Cuadrado
Correlación entre Variables
Un Resumen de lo Aprendido
La Regresión Lineal
Las Matemáticas tras una Regresión Lineal
Demostración de la Obtención de los Parámetros del Modelo Lineal
Errores Normalmente Distribuidos
Sumas de los Cuadrados Totales, de las Diferencias y de la Regresión
Ejercicio: Demostrar que SST = SSR + SSD
Encontrando los Coeficientes Óptimos de la Regresión
Interpretar los Parámetros de la Regresión
Implementar una Regresión Lineal con Python
Regresión Lineal Múltiple
El Problema de la Multicolinealidad
Validando nuestro Modelo
El Resumen de Todos los Modelos Lineales Creados
Regresión Lineal con scikit-learn
Modelos Lineales con Variables Categóricas
Variables Categóricas en una Regresión Lineal
Otra Forma más Simple de Calcular las Predicciones
Enmascarado de Variables Categóricas Redundantes
Transformar las Variables en Relaciones No Lineales
El Problema de los Outliers
Otros Problemas y Consideraciones de la Regresión Lineal
Un Resumen de la Regresión Lineal
La Regresión Logística
Regresión Lineal vs Regresión Logística
Las Matemáticas detrás de la Regresión Logística
Probabilidades Condicionadas
Cociente de Probabilidades
De la Regresión Lineal a la Logística
Estimación con el Método de Máxima Verosimilitud
BUG: Error en la Siguiente Clase
Crear un Modelo Logístico desde Cero
Análisis Exploratorio de los Datos
La Selección de Variables del Dataset para el Modelo Logístico
Implementar una Regresión Logística con Python
Validación del Modelo y Evaluación del Mismo
Validación Cruzada con Python
Las Matrices de Confusión y las Curvas ROC
Implementación de las curvas ROC en Python
Resumen de la Regresión Logística
Clustering
¿Qué es y para Qué Sirve el Clustering?
El Concepto de Distancia
Matriz de Distancias en Python
Métodos de Enlace
Uniendo Datos Manualmente
Clustering Jerárquico en Python
Un Clustering Completo: la Fase de Exploración de Datos
Un Clustering Completo: Representación del Dendrograma
Un Clustering Completo: por dónde Cortamos el Dendrograma
Un Clustering Completo: Visualización Final del Clustering
El Método de K-Means
Implementando K-Means con Python
Ejercicio: Segmentación de los Vinos
El Método del Codo
El Coeficiente de la Silueta
Implementando la Técnica del Codo y el Coeficiente de la Silueta
Propagación de la Afinidad
Implementando la Propagación de la Afinidad
Generando Distribuciones en Forma de Anillo
Los K Medioides y el Clustering Espectral
Resumen del Clustering
Árboles y Bosques Aleatorios
¿Qué es un Árbol de Decisión?
Homogeneidad en los Datos
Entropía y Ganancia de Información
Algoritmos para la Generación de Árboles de Clasificación
La Poda del Árbol
Los Problemas del Árbol
Los Árboles de Clasificación con Python
El Tratamiento de Ficheros dot
La Validación Cruzada en un Árbol de Clasificación
Los Árboles de Regresión
El Dataset de las Casas de Boston y Kaggle
Árboles de Regresión con Python
Random Forests
Random Forests para Regresión
Random Forest para Clasificación
¿Por qué Funcionan los Random Forests?
Resumen de Árboles y Bosques Aleatorios
Las Máquinas de Soporte Vectorial
Las Support Vector Machines
El Problema de Clasificación no Óptimo
Los Núcleos No Lineales y el Problema de la Dimensión
Soporte Vectorial Clasificador Lineal
Creando el Modelo Clasificador Lineal
Representación Gráfica del Hiperplano Separador en 2D
El Problema de la Separación
Maximizar el Margen de Clasificación
Los Soportes de SVM
Kernels No Lineales
Radial Basis Function
Ajustando las SVM
Práctica de SVM: Reconocimiento Facial a lo CSI
Práctica de SVM: Clasificación de las Flores de Iris
Truco: Qué Hacer cuando me Toca Hacer un Análisis de Datos
SVM para Regresión
La Decisión de los K Vecinos
Los K Vecinos más Cercanos
Limpieza del Dataset del Cáncer
Clasificación según los K Vecinos
Clasificando Nuevos Datos de los Tests Médicos
Creando los Datos para la Clasificación
Implementando la Decisión por Mayoría
Nuestro Algoritmo vs scikit-learn
Una Opinión Final sobre los Algoritmos de Machine Learning
El Rol de las Recomendaciones Dinámicas en el Siglo XXI
El Dataset de Películas de Movie Lens
Análisis Exploratorio de los Datos y Distribución de las Valoraciones
Sparsity de los Datos
División en Entrenamiento y Validación
La Matriz de Similaridad entre Usuarios
Predecir la Valoración de un Ítem para un Usuario
Corrección: Error en la Clase Anterior
Filtrando con los K Nearest Neighbors
Sistemas de Recomendación Basados en Ítems
Recomendando con los K items más Parecidos
Los Resultados Finales
Análisis de Componentes Principales
El Problema de la Dimensión
Demostración de Cómo se Hace un ACP
Implementando nuestro Propio ACP en Python
Cuidado con la Siguiente Librería, plotly
Plotly, la Librería de Gráficos Personalizados e Interactivos
Los Valores y Vectores Propios de la Matriz de Covarianzas
La Matriz de Correlaciones y el Singular Value Decomposition
La Selección de las Componentes Principales
La Proyección en el Subespacio Vectorial Resultante
Implementación de ACP con sklearn
Más Gráficos con plotly
Personalizando los Gráficos de plotly
Coloraciones y Etiquetas de plotly
Redes Neuronales del Futuro
Introducción a Tensor Flow
Acerca de las Redes Neuronales y el Deep Learning
IMPORTANTE: Versión de TensorFlow a Utilizar
Instalando TensorFlow en tu Ordenador
Si tienes Problemas con la Instalación de TensorFlow...
La Carga del Dataset de Imágenes
Análisis Exploratorio de los Datos
Un Resumen Visual de Imágenes
Preprocesado de Imágenes Previo al ML
Creación del Modelo
Entrenamiento del Modelo
Validación del Modelo
El Dataset de Reconocimiento de Dígitos
De Datos Desestructurados a Espacios Vectoriales n-Dimensionales
La Regresión Softmax
Tensorflow y la Regresión Softmax
La Fase de Entrenamiento de la Red Neuronal
La Fase de Evaluación de la Red Neuronal
Cuando Python Conoce a R, no hay Límites en el Big Data
Instalar la Librería rpy2
Nota Adicional para Instalar rpy2 en Windows
Llevando Objetos de R a Python
Llevando Objetos de Python a R
Cómo Instalar y Cargar Paquetes de R desde Python
La Librería extRemes en Acción desde Python
Rmagic
Lo Bueno de Programación en Python, lo Mejor de Estadística con R
Proyecto Final. ¿Qué me depara el Futuro?
(35)
PLANS TO MATCH YOUR GOALS AND NEEDS
Buy the individual course, get all the learning path or access to the entire platform
Choose the payment method that works best for your needs and budget with a one-time course payment, monthly or yearly access to the learning Path, or even to the entire platform.
One-Time Payment
Buy the course once and access it for life
€ 79.99
- A single payment
- Instant lifetime access to the course
- Access the course community
El Más
Popular
Popular
Bronze Frog
Access all Frogames courses, communities and extras
€ 39 /month
- Single payment of 39€ per month
- Instant access to all courses
- Access the platform and communities 24/7, wherever and whenever you want
- Cancel anytime without losing your progress
Path of Data Analysis
Access all courses in the Data Analysis Path
€ 19.99 /month
- Single payment of 19.99€ per month
- Instant access to the +10 courses in the Path
- Access the Path 24 / 7, wherever and whenever you want
- Cancel anytime without losing your progress
One-time payment
Buy the course once and access it for life
€ 79.99
- A single payment
- Instant lifetime access to the course
- Access the course community
El Más
Valorado
Valorado
Gold Frog
Access all Frogames courses, communities and extras
€ 349 /year
- Single payment of €349 per year
- 3 months of discount
- Instant access to all courses
- Access the platform and communities 24/7, wherever and whenever you want
- Cancel anytime without losing your progress
- Resource Library
- Monthly Q&A livestreams
- Premium support
Path of Data Analysis
Access all courses in the Data Analysis Path
€ 199 /year
- Single annual payment of €199
- 4 months of discount
- Instant access to the +10 courses in the Path
- Access the Path 24 / 7, wherever and whenever you want
- Cancel anytime without losing your progress
- Premium support
* All prices include taxes.
For your security, all orders will be processed on a secure server.
Path of Data Analysis
The ultimate pack with all our Data Analysis courses with R and Python to turn you into a well-paid Data Scientist. Includes upcoming courses and updates and improvements to current ones
Angel
Curso completo de Machine Learning: Data Science en Python
This course is comprehensive training in data science and machine learning, ideal for those who want to master using Python in real-world projects. Led by renowned instructor Juan Gabriel Gomila, the program covers everything from mathematical foundations to the implementation of advanced Machine Learning models.
Franklin Manuel
A solid and accessible course to get started in Machine Learning
I'm getting into the field of machine learning and this course has been a great introduction for me. It explains the basic concepts clearly and presents practical examples in Python that make understanding easier. I especially liked that tools like Scikit-learn, Pandas, and TensorFlow are used... etc. Although some advanced topics require more study on my part, the course has given me a solid foundation to keep learning. I recommend it to anyone taking their first steps in data science and wanting to better understand how machine learning models work.
ANGEL
A connection to a new world with endless possibilities
I'm 39 years old, and since I finished university over 15 years ago, the world has changed through technology. I decided to renew my professional career and studied a master's degree in data analysis. When I finished, I had more doubts than answers. While searching for the right ones, I found Frogames with Professor Juan Gabriel, and I've managed to see the landscape that currently exists for data analysis and the technologies being used. Now I'm motivated and confident that I'll achieve my goals because at Frogames I have the tools I need to make it happen. Thank you to Juan Gabriel and the entire Frogames team for building this excellent platform for learning current technologies.
Nicolas
Great Learning.
Simply excellent, like all the work done by Professor Juan Gabriel Gomila. The course is very comprehensive, and the ideas are presented with plenty of examples and from different perspectives, which helps students a lot in understanding the concepts. I recommend this course 100%!!!
Nieves
Curso completo de Machine Learning: Data Science en Python
This course teaches you how to build Machine Learning models from scratch using Python, with real-world applications in data science. You'll learn regression, classification, clustering, dimensionality reduction, and model evaluation, all using libraries like NumPy, Pandas, Matplotlib, and Scikit-Learn.
Jesus
Very comprehensive introductory Machine Learning course in Python
This has been a very comprehensive course where the most widely used Machine Learning algorithms were covered. It goes into just the right amount of depth on the mathematics behind each one to perfectly understand how each works. Juan Gabriel's explanations are excellent. There's no doubt I'll continue completing all the courses in the data analysis Path. Congratulations to the entire Frogames team for providing so much quality content!
Giovanni
Real Predictive Models
It's a really complete material, well organized and with practical examples that you can actually apply to your work environment right away
Javi
A real gem to start from scratch
I was super scared to dive into this because I thought it was only for geniuses, but honestly I had a blast. The classes are really dynamic and the teacher explains like you're just having coffee together. I finished the content feeling like I can actually make my own projects without getting stuck halfway through.
Carlos
An essential guide
From the very first minute, I was able to download the code and start practicing with real examples. It explains each algorithm clearly, from the most basic to the most advanced, which allowed me to understand how to apply these techniques to real data.
Gabriela
Data Science recommended
This course has it all: from Machine Learning fundamentals to advanced Data Science techniques
Jose
Highly comprehensive and detailed.
The course is excellent with no wasted material, it's very comprehensive and detailed, it has helped me tremendously with my graduate-level work.
Jorge
Straight to the point with Machine Learning
I was looking for something practical without all the theoretical fluff, and this course is exactly what I needed. It helped me clear up a lot of doubts about how to apply data models in real projects in a very intuitive way.
ivan sergio
One more course...!!!
Great Course...!!!
Sara
Python became my best ally
Nicolás
I loved creating ML models in Python
Santiago
Great course!
Gustavo
Machine Learning in Python: The course that turns data into smart decisions
The Complete Machine Learning Course: Data Science in Python is a learning experience that stands out for its clarity, depth, and practical approach. From the first module, you can tell it's designed to guide you step by step, whether you're starting from scratch or already have prior knowledge. The learning curve is perfectly balanced: you learn solid theory while applying each concept to real projects.
Jackeline
It's an old course, but it's worth it
Rosa
It's a very complete course
María
This Python machine learning course is amazing
I learned how to build predictive models from scratch and the teachers are super active and efficient—I feel like a real data scientist
Samuel
Understanding machine learning was a dream and now it's real
The explanations in Python are super clear and I feel ready to face any challenge. My confidence has gone up a lot
Lucas
Flawless.
The course was really useful, engaging, and comprehensive for me. I'm grateful to Juan Gabriel for sharing his knowledge—I've taken many of his courses (I still have plenty pending!) and I have to say he's a great teacher. It's been a pleasure to be his student.
Caty
satisfied with the course
satisfied with the course
Joiser
Python, it's the best
I think it's one of the best machine learning courses with Python
Marc
Proud to complete this course
I was no good at Machine Learning and thanks to this course I was able to understand how it works
danison
Machine Learning
I really want to learn about Machine Learning, I have no doubt it'll be a super useful tool for me as a future programmer.
Sergio
Great course
Excellent course, very comprehensive
Alvaro
Powerful!
Juan Gabriel Gomila was born to make the difficult look easy. Blessings.
Yvonne
The best course
Very comprehensive, well structured. I love how practical it is.
BORJA
Excellent
A really comprehensive course, explained really well.
Yimmy
Great Machine Learning course
So far I'm 30% through the course and the instructor explains the topics really well. I'll keep progressing.
Javi
Highly recommended course
If you want to get into the world of Data Science and make a living from it, you have to take this course—straight to the point, no fluff, top-notch stuff
Gabriela
Spectacular
Eulogio
The best Machine Learning course...
... in Spanish. Very comprehensive and easy to understand thanks to the teacher who explains really, really well.
Omar
Really good and with plenty of practice to improve and understand better