Curso completo de Machine Learning Data Science en Python - COMPLETO

磁链地址复制复制磁链成功
磁链详情
文件数目:474个文件
文件大小:26.05 GB
收录时间:2020-12-05
访问次数:9
相关内容:CursocompletoMachineLearningDataSciencePythonCOMPLETO
文件meta
  • 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
  • 9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.mp4
    331.5 MB
  • 7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.mp4
    318.1 MB
  • 14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.mp4
    310.09 MB
  • 10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.mp4
    308.26 MB
  • 11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.mp4
    307.49 MB
  • 9. Clustering y clasificación/3. El concepto de distancia.mp4
    305.93 MB
  • 8. Regresión logística con Python/9. Análisis exploratorio de los datos.mp4
    300.56 MB
  • 9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.mp4
    298.63 MB
  • 10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.mp4
    295.92 MB
  • 7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.mp4
    284.5 MB
  • 8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.mp4
    282.81 MB
  • 15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.mp4
    282.11 MB
  • 7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.mp4
    280.77 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
  • 14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.mp4
    267.21 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
  • 11. Máquinas de Soporte Vectorial/2. Las support vector machines.mp4
    243.86 MB
  • 8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.mp4
    243.48 MB
  • 7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.mp4
    237.74 MB
  • 6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.mp4
    235.24 MB
  • 10. Árboles y bosques aleatorios/7. Los problemas del árbol.mp4
    234.55 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
  • 9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.mp4
    231.59 MB
  • 11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.mp4
    225.6 MB
  • 9. Clustering y clasificación/5. Métodos de enlace.mp4
    224.02 MB
  • 7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.mp4
    217.82 MB
  • 15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.mp4
    216.47 MB
  • 7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.mp4
    215.88 MB
  • 11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.mp4
    213 MB
  • 2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.mp4
    210.66 MB
  • 5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.mp4
    209.26 MB
  • 14. Análisis de componentes principales/2. El problema de la dimensión.mp4
    202.96 MB
  • 12. K Nearest Neighbors/2. Los k vecinos más cercanos.mp4
    198.73 MB
  • 16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.mp4
    198.05 MB
  • 7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.mp4
    195.89 MB
  • 14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.mp4
    188.55 MB
  • 15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.mp4
    184.98 MB
  • 7. Regresión lineal con Python/10. Regresión lineal múltiple.mp4
    183.48 MB
  • 5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.mp4
    182.71 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
  • 17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.mp4
    175.13 MB
  • 7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.mp4
    171.79 MB
  • 10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.mp4
    171.32 MB
  • 5. Operaciones de manejo de datos/1. Data Wrangling.mp4
    168.45 MB
©2018 cilimao.app 磁力猫 v3.0
使用必读|联系我们|地址发布|种子提交