-
Instalación de Anaconda3. Como mínimo son necesarias las librerías:
- numpy
- pandas
- matplotlib
- seaborn
- scikit-learn
-
Conocimientos de Python 3.9+
- Entorno de trabajo
- Repaso conceptos básicos
- Estructuras de datos: listas, tuplas y diccionarios
- Estructuras de datos:
DataFrame
ySeries
- Importar datos
- Filtrado de filas y columnas
- Estadísticas descriptivas
- Operaciones agrupadas
- Visualización
- Introducción al Machine Learning [presentación]
- Introducción a scikit-learn
- Conjuntos de datos
- Preproceso
- Modelos lineales de regresión: Ridge, Lasso, Elastic Net.
- Modelos lineales de clasificación: regresión logística
- K-Vecinos próximos
- Árboles de decisión
- Ensembles: bagging y boosting
- Random Forest
- Gradient Boosting
- Métricas para evaluar modelos
- Introducción a modelos no supervisados: K-means
- Clasificación de texto
- Clasificación de texto zero-shot
- Combinación de modelos
- Persistencia de modelos
- Gestión de ciclo vida de modelos:
- Despliegue de modelos con FastAPI y Docker [repositorio]
- Registro y análisis de parámetros y métricas
- Caso práctico guiado: Kaggle
General
- Python Data Science Handbook
- Machine Learning tutorials
- scikit-learn MOOC
- Machine Learning (Loyola University Chicago)
- Machine Learning (University Wisconsin-Madison)
- Applied Machine Learning (Columbia University)
- Applied Machine Learning in Python
- Introduction to Machine Learning in Python (workshop)
- Pandas Cookbook
- Curso numpy y pandas básico
- Python for Data Analysis (github)
- machine learning tutorials
Transformers
- Hugging Face. NLP Course
- Hugging Face. The transformer model family
- Hugging Face. Transformers
- Hugging Face. Models
- Hugging Face. Pretrained models
- The most popular HuggingFace models
- Hugging Face Pre-trained Models: Find the Best One for Your Task