12 lecciones • 6 horas
Curso teórico-práctico donde aprenderás todas las herramientas que te permitirán comprender y hacer uso de esta importante familia de modelos al momento de abordar problemas de clasificación y de regresión en el Machine Learning.
Al final de este curso habrás aprendido
- Qué son los árboles de clasificación y de regresión
- Cómo funciona el algoritmo CART para entrenar árboles de decisión
- Cómo generar predicciones con un árbol entrenado para abordar problemas de clasificación o regresión
- Cómo usar técnicas de poda y ajuste de hiperparámetros de los árboles para mejorar su desempeño
- Cuándo es recomendable usar árboles de decisión y cuándo no
Requisitos
Se sugiere haber tomado el curso Introducción al Machine Learning (disponible acá en la Academia Online) así como experiencia programando en Python (recuerda que acá en la Academia están disponibles 3 cursos de este lenguaje de programación: Python Nivel Básico, Python Nivel Intermedio y Python Nivel Avanzado).
Contenido
MÓDULO 1: ÁRBOLES DE CLASIFICACIÓN
1 – ¿Qué es un árbol de clasificación?
2 – Entrenamiento de un árbol de clasificación con el algoritmo CART
3 – Generación de predicciones con un árbol de clasificación
4 – Árboles de clasificación en Scikit-Learn
MÓDULO 2: ÁRBOLES DE REGRESIÓN
5 – ¿Qué es un árbol de regresión?
6 – Entrenamiento de un árbol de regresión con el algoritmo CART
7 – Generación de predicciones con un árbol de regresión
8 – Árboles de regresión en Scikit-Learn
MÓDULO 3: PODA Y AJUSTE DE LOS HIPERPARÁMETROS DE UN ÁRBOL DE DECISIÓN
9 – Poda de un árbol de decisión
10 – Ajuste de hiperparámetros de un árbol de decisión
MÓDULO 4: PROS Y CONTRAS DE LOS ÁRBOLES DE DECISIÓN
11 – Ventajas de los árboles de decisión
12 – Limitaciones de los árboles de decisión
