11 lecciones
Curso teórico-práctico donde aprenderás todas las herramientas para comprender y hacer uso de LightGBM, uno de los modelos de Machine Learning más usados en la actualidad para crear modelos predictivos a partir de datos tabulares
Al final del curso habrás aprendido
- Cómo funcionan los modelos LightGBM para regresión y clasificación y por qué son modelos tan robustos
- Qué diferencias, ventajas y desventajas existen al comparar modelos XGBoost y LightGBM
- Cómo usar la librería LightGBM de Python para resolver problemas de clasificación y regresión en Machine Learning
- Cómo realizar el ajuste de hiper-parámetros y el análisis de importancia de características de un modelo LightGBM en Python
Requisitos
- Se sugiere haber tomado el curso XGBoost, disponible acá en la Academia Online
Contenido
11 lecciones en total. Se publicarán 2 nuevas lecciones cada semana (martes y viernes). Fecha de inicio: viernes 14 de agosto de 2026
MÓDULO 1: EL ALGORITMO LIGHTGBM
2 – Crecimiento de árboles por hojas
3 – Particiones basadas en histogramas
4 – Muestreo unilateral basado en gradientes (GOSS)
5 – Agrupamiento de características exclusivas (EFB)
6 – Búsqueda de particiones categóricas
7 – El algoritmo completo de LightGBM
MÓDULO 2: LIGHTGBM EN PYTHON
8 – Ejemplo práctico de clasificación con LightGBM en Python
9 – Ejemplo práctico de regresión con LightGBM en Python
10 – Ajuste de hiper-parámetros en LightGBM
11 – Análisis de importancia de características en LightGBM
