Este repositorio resume los proyectos y ejercicios realizados durante el curso de Inteligencia Artificial y Machine Learning impartido por IBM SkillsBuild y Udemy. Aquí se presentan implementaciones prácticas en Python para reforzar el aprendizaje teórico.
Este proyecto incluye los proyectos y ejercicios desarrollados en el curso de inteligencia artificial y machine learning, enfocados en el desarrollo de modelos predictivos y análisis de datos utilizando Python. Los contenidos están estructurados para facilitar el seguimiento del aprendizaje y la aplicación práctica de los conceptos teóricos enseñados.
- Proyectos prácticos: Implementaciones de modelos de regresión, clasificación y redes neuronales.
- Notebooks Jupyter: Documentación detallada en formato Jupyter Notebook para cada proyecto.
- Ejemplos de código: Código limpio y comentado para facilitar la comprensión.
- Documentación: Guías y explicaciones sobre los conceptos clave.
- Python 3
- Jupyter Notebook
- Scikit-learn
- TensorFlow/Keras
- Pandas
- NumPy
- Matplotlib
- Seaborn
- Análisis de Datos y Preprocesamiento: Limpieza y transformación de datos para modelos predictivos.
- Modelos de Regresión: Implementación de regresión lineal y logística.
- Clasificación con Machine Learning: Uso de algoritmos como SVM, árboles de decisión y redes neuronales.
- Modelos de Red Neuronal: Creación de redes neuronales para tareas de clasificación.
- Clona el repositorio:
git clone https://github.com/rogerloop/Curso-IBM-AI.git
- Instala las dependencias:
pip install -r requirements.txt
- Ejecuta los notebooks:
- Abre el directorio
notebooks/en Jupyter - Ejecuta los notebooks secuencialmente
- Abre el directorio
Este proyecto fue desarrollado durante el curso de IBM SkillsBuild y Udemy realizado por rogerloop en el tema de Inteligencia Artificial y Machine Learning.
💡 *Nota: Este repositorio está destinado a fines educativos y no incluye licencia específica. Si deseas utilizar el código para otros propósitos, consulta con el autor. *