Maneja mejor las incertidumbres que se presentan en tus proyectos de Machine Learning, aprendiendo probabilidad.
Tienes que estás consciente que dentro de lo proyectos de Machine Learning se manejan muchas fuentes de incertidumbres como, por ejemplo, la varianza en los valores de los datos específicos, la muestra de datos recopilados y en la naturaleza imperfecta de cualquier modelo desarrollado a partir de los datos.
Para manejar todo esto, se cuenta con la probabilidad, el cual es un campo específicamente diseñado para manejar la incertidumbre.
La probabilidad nos ofrece herramientas y técnicas para manejar la incertidumbre.
Este ebook está completamente enfocado a las probabilidades que necesitas para Machine Learning, por lo que no aprenderás nada que no necesitarás en un futuro.
¿Qué aprenderás?
Cómo se relaciona Machine Learning y cómo aprovechar el pensamiento probabilístico en un proyecto de Machine Learning.
Considerar los datos en términos de variables aleatorias y cómo reconocer y muestrear a partir de funciones de distribución de probabilidad discretas y continuas comunes.
Cómo utilizar los métodos probabilísticos para evaluar los modelos de Machine Learning directamente sin evaluar su rendimiento en un conjunto de datos de prueba.
Cómo calcular y considerar la probabilidad desde la perspectiva bayesiana y calcular la probabilidad condicional con el teorema de Bayes para escenarios comunes.
Cómo cuantificar la incertidumbre utilizando medidas de información y entropía del campo de la teoría de la información y calcular cantidades como la entropía cruzada y la información mutua.
Cómo evaluar los modelos de clasificación que predicen probabilidades y calibrar las predicciones probabilísticas.
También tendrás una introducción de cómo utilizar NumPy, una librería fundamental dentro de Machine Learning, en caso de que nunca la hayas utilizado.
Todas las explicaciones están enfocadas tanto en la parte teórica pero también de manera práctica, para que puedas implementarlas utilizando Python.
¿Cúal es el contenido del ebook?
En la primera parte de este ebook conocerás todos los fundamentos de la probabilidad, como lo son la teoría de conjuntos los tipos de probabilidades (conjunta, marginal y condicional) y la independencia estadística. Adicionalmente, aprenderás sobre las variables aleatorias y su distribución de probabilidad.
Los siguientes capítulos están enfocados en las distribuciones de probabilidad, tanto discretas como continuas, incluyendo varios tipos dentro de cada una de ellas. Seguidos a varios capítulos enfocados en explicar la densidad de probabilidad.
En los últimos capítulos aprenderás sobre varias métricas de puntuación utilizadas para evaluar los modelos de Machine Learning.
Finalmente, se presenta una introducción sobre la librería NumPy, explicando cómo realizar operaciones fundamentales dentro de ella.
- Capítulo 1: Introducción.
- Capítulo 2: Introducción a la probabilidad.
- Capítulo 3: Probabilidad para Machine Learning.
- Capítulo 4: Fundamentos de la probabilidad.
- Capítulo 5: Variables aleatorias.
- Capítulo 6: Distribuciones de probabilidad discreta.
- Capítulo 7: Distribuciones de probabilidad continua.
- Capítulo 8: Estimación de la densidad de probabilidad.
- Capítulo 9: Teorema de Bayes.
- Capítulo 10: Estimación.
- Capítulo 11: Entropía de la información.
- Capítulo 12: Métricas de puntuación de probabilidades.
- Capítulo 13: Obtener más información.
- Anexo 1: NumPy
¿Quiénes se pueden beneficiar de este ebook?
Principiantes que se están iniciando en Machine Learning.
Personas interesadas en tener bases sólidas en Machine Learning.
Personas interesadas en mejorar sus conocimientos en el manejo de datos.
Estudiantes de ingeniería que quieren abrirse camino dentro del área tecnológica con más avances en los últimos años.
¿Qué incluye este ebook?
Este ebook está enfocado en explicar de manera teórica y práctica todo lo que debes saber sobre las probabilidades para Machine Learning. Su objetivo es que entiendas todas las explicaciones presentadas acá para que luego las puedas aplicar dentro de tus proyectos de Machine Learning. Al final del ebook cuentas con una explicación básica pero bastante completas para que conozcas cómo funciona NumPy, una librería importante dentro de Machine Learning.
Esto es lo que dicen los que ya tienen el ebook
¿Tienes dudas? Respondemos algunas de ellas…
El ebook cuenta con 99 páginas en total. Cada una de las lecciones están diseñadas para leerse de principio a fin en orden y tener así un mejor entendimiento de lo que se está explicando. Por supuesto, puedes dedicarte a capítulos específicos posteriormente para refrescar conocimientos.
El ebook se encuentra en formato PDF, por lo que una vez que se haya confirmado el pago te llegará inmediatamente un correo con la clave para que puedas ingresar a la plataforma de AprendeIA y desde allí podrás descargar el ebook las veces que desees.
El precio del ebook se encuentra expresado en dólares americanos (USD) y la forma de realizar el pago es a través de la plataforma de PayPal.
En caso de que sigas teniendo dudas, puedes contactarnos a través de este enlace.
