[15]El mapa del aprendizaje y tu primer modelo
Entrar en el machine learning: los tres tipos de aprendizaje, tu primer modelo con fit y predict, árboles y k-means.
El mapa del aprendizaje: supervisado, no supervisado y por refuerzo
Los tres territorios del aprendizaje automático, y lo que de verdad los separa: la pregunta que responde cada uno y qué datos tienes.
Por qué el supervisado se come el 90% del trabajo
Por qué casi todo el ML del trabajo es supervisado, qué es exactamente una etiqueta, y por qué conseguirlas es la mitad del trabajo.
Tu primer modelo supervisado
Entrenar tu primer clasificador con fit y predict, medir cómo de bien lo hace, y plantar la primera semilla de la duda del oficio.
Árboles de decisión: el modelo que se puede dibujar
El único modelo que puedes dibujar y leer como una cadena de preguntas de sí o no, y ver con tus ojos cómo se aprende los datos de memoria.
Clasificar o predecir un número: las dos formas del supervisado
La bifurcación del supervisado: si la etiqueta es una categoría o un número cambia el modelo y, sobre todo, cómo se mide el acierto.
No supervisado: agrupar cuando no hay respuestas
Agrupar sin etiquetas con k-means, y la idea que más confunde: sin respuesta correcta, qué significa que un modelo sea bueno.
Cuántos grupos, y qué significa cada uno
Cuántos grupos pedir con el método del codo, y por qué un grupo sin nombre de negocio es materia prima inútil.
Proyecto: el mismo problema de dos maneras
Un conjunto de clientes, dos oficios: clasificar si tienes etiqueta y agrupar si no la tienes, para sentir la diferencia en los dedos.