[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) # Aprendizaje autom谩tico para principiantes - Un plan de estudios > 馃實 Viaja alrededor del mundo mientras exploramos el aprendizaje autom谩tico a trav茅s de las culturas del mundo 馃實 Los Azure Cloud Advocates de Microsoft est谩n emocionados en ofrecer un plan de estudios de 12 semanas, con 26 lecciones, todas acerca de **aprendizaje autom谩tico**. En este plan de estudios, aprender谩s sobre lo que algunas veces es llamado **aprendizaje autom谩tico cl谩sico**, usando principalmente Scikit-learn y evitando el aprendizaje profundo, el cual se aborda en nuestro pr贸ximo plan de estudios 'IA para principiantes'. 隆Acompa帽a estas lecciones con nuestro [plan de estudios 'Ciencia de Datos para principiantes'](https://aka.ms/datascience-beginners)! Viaja con nosotros alrededor del mundo mientras aplicamos t茅cnicas cl谩sicas a los datos de distintas 谩reas del mundo. Cada lecci贸n incluye: - Ex谩menes previos y posteriores a cada lecci贸n - Instrucciones para completar dicha lecci贸n - Una soluci贸n - Un ejercicio y m谩s Nuestra metodolog铆a de ense帽anza basada en proyectos, te permite aprender mientras practicas; esta es una forma comprobada para que adquieras nuevas habilidades. **鉁嶏笍 Agradecimientos de todo coraz贸n** a Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, y Amy Boyd. **馃帹 Gracias tambi茅n a nuestros ilustradores** Tomomi Imura, Dasani Madipalli, y Jen Looper. **馃檹 Agradecimientos especiales 馃檹 a nuestros autores de Embajadores Estudiantiles de Microsoft, revisores, y colaboradores de contenido**, notablemente a Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, y Snigdha Agarwal. **馃ぉ 隆Agradecimiento adicional al embajador estudiantil de Microsoft Eric Wanjau por nuestras lecciones de R!** --- # Empezando con el plan de estudio **Estudiantes**, para usar este plan de estudios, realiza un fork del repositorio completo en tu cuenta de GitHub y completa los ejercicios por ti mismo o en grupo: - Realiza el examen previo a la lecci贸n. - Lee las lecciones y completa las actividades, pausando y reflexionando en cada verificaci贸n de conocimiento. - Intenta crear los proyectos para comprender las lecciones en lugar de ejecutar el c贸digo de la soluci贸n; sin embargo ese c贸digo se encuentra disponible en los directorios `/solution` en cada lecci贸n orientada a proyecto. - Realiza el examen posterior a la lecci贸n. - Completa el desaf铆o. - Completa el ejercicio. - Despu茅s de completar un grupo de lecciones, visita el [tablero de discusi贸n](https://github.com/microsoft/ML-For-Beginners/discussions) y "aprende en voz alta" llenando la r煤brica PAT apropiada. Un 'PAT' es una herramienta de evaluaci贸n del progreso que es una r煤brica la cual llenas para avanzar en tu aprendizaje. Tambi茅n puede reaccionar a otros PATs y as铆 aprender juntos. > Para aprender m谩s, recomendamos seguir estos m贸dulos y rutas de aprendizaje de [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). **Profesores**, hemos [incluido algunas sugerencias](../for-teachers.md) de c贸mo usar este plan de estudios. --- ## Conoce al equipo [![Video promocional](../ml.gif)](https://youtu.be/Tj1XWrDSYJU "Video promocional") **Gif de** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 馃帴 隆Da clic a la imagen de arriba para ver un video acerca del proyecto y la gente que lo cre贸! --- ## Pedagog铆a Hemos elegido dos principios pedag贸gicos mientras construimos este plan de estudios: asegurar que es pr谩ctico **basado en proyectos** y que incluye **ex谩menes frecuentes**. Adem谩s, este plan de estudios tiene un **tema** com煤n para darle cohesi贸n. Al asegurar que el contenido se alinea con los proyectos, el proceso se hace m谩s atractivo par los estudiantes y la retenci贸n de conceptos incrementar谩. Adem谩s, un peque帽o examen antes de cada clase para establecer la intenci贸n del estudiante de aprender un tema, mientras el segundo examen despu茅s de la clase asegura una mayor retenci贸n. Este plan de estudios fue dise帽ado para ser flexible y divertido y puede se tomado en su totalidad o por partes. Los proyectos comienzan peque帽os y van incrementando en complejidad durante el ciclo de 12 semanas. Este plan de estudios tambi茅n incluye una nota al final sobre aplicaciones de aprendizaje autom谩tico en el mundo real, la cual puede ser usada como c艜editos extra o como base para discusi贸n. > Encuentra nuestros lineamientos de [C贸digo de conducta](../CODE_OF_CONDUCT.md), [Contribuci贸n](../CONTRIBUTING.md), y [Traducci贸n](../TRANSLATIONS.md). 隆Son bienvenidos tus comentarios constructivos! ## Cada lecci贸n incluye: - boceto opcional - video suplementario opcional - examen diagn贸stico previo a la lecci贸n - lecci贸n escrita - para lecciones basadas en proyectos, gu铆as paso a paso de c贸mo construir el proyecto - verificaciones de conocimiento - un desaf铆o - lectura suplementaria - un ejercicio - examen posterior a la lecci贸n > **Una nota acerca de los lenguajes**: Estas lecciones est谩n escritas principalmente en Python, pero muchas tambi茅n est谩n disponibles en R. Para completar una lecci贸n en R, ve al directorio `/solution` y busca las lecciones. Ellas incluyen una extensi贸n .rmd que representa un archivo **Markdown R** el cual puede ser definido simplemente como `porciones de c贸digo` embebido (de R u otros lenguajes) y un `encabezado YAML` (que gu铆a c贸mo dar formato a las salidas, por ejemplo PDF) en un `documento Markdown`. Como tal, este sirve como un framework ejemplar de autor铆a para la ciencia de datos ya que permite combinar tu c贸digo, su salida, y tus pensamientos al permitirte escribirlos en Markdown. Es m谩s, los documentos Markdown R pueden ser representados como formatos de salida tal como PDF, HTML, o Word. > **Una nota acerca de los ex谩menes**: Todos los ex谩menes est谩n contenidos [en esta app](https://gray-sand-07a10f403.1.azurestaticapps.net/), para un total de 52 ex谩menes de 3 preguntas cada uno, Ellos est谩n vinculados dentro de las lecciones pero la aplicaci贸n de ex谩menes puede ser ejecutada localmente; sigue las instrucciones en el directorio `quiz-app`. | N煤mero de lecci贸n | Tema | Agrupaci贸n de lecciones | Objetivos de aprendizaje | Lecci贸n vinculada | Autor | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | Introducci贸n al aprendizaje autom谩tico | [Introducci贸n](../1-Introduction/translations/README.es.md) | Aprende los conceptos b谩sicos detr谩s del aprendizaje autom谩tico | [Lecci贸n](../1-Introduction/1-intro-to-ML/translations/README.es.md) | Muhammad | | 02 | La historia del aprendizaje autom谩tico | [Introducci贸n](../1-Introduction/translations/README.es.md) | Aprende la historia de este campo | [Lecci贸n](../1-Introduction/2-history-of-ML/translations/README.es.md) | Jen y Amy | | 03 | Justicia y aprendizaje autom谩tico | [introducci贸n](../1-Introduction/translations/README.es.md) | 驴Cu谩les son los problemas filos贸ficos importantes alrededor de la justicia que los estudiantes deber铆an considerar al construir y aplicar modelos de aprendizaje autom谩tico? | [Lecci贸n](../1-Introduction/3-fairness/translations/README.es.md) | Tomomi | | 04 | T茅cnicas para el aprendizaje autom谩tico | [introducci贸n](../1-Introduction/translations/README.es.md) | 驴Qu茅 t茅cnicas usan los investigadores de aprendizaje autom谩tico para construir modelos de ML? | [Lecci贸n](../1-Introduction/4-techniques-of-ML/translations/README.es.md) | Chris y Jen | | 05 | Introducci贸n a la regresi贸n | [Regresi贸n](../2-Regression/translations/README.es.md) | Comienza con Python y Scikit-learn para modelos de regresi贸n | | | | 06 | Precios de la calabaza en Norte Am茅rica 馃巸 | [Regresi贸n](../2-Regression/translations/README.es.md) | Visualiza y limpia los datos en preparaci贸n para el aprendizaje autom谩tico | | | | 07 | Precios de la calabaza en Norte Am茅rica 馃巸 | [Regresi贸n](../2-Regression/translations/README.es.md) | Construye modelos de regresi贸n lineal y polinomial | | | | 08 | Precios de la calabaza en Norte Am茅rica 馃巸 | [Regresi贸n](../2-Regression/translations/README.es.md) | Construye un modelo de regresi贸n log铆stica | | | | 09 | Una aplicaci贸n web 馃攲 | [Aplicaci贸n web](../3-Web-App/translations/README.es.md) | Construye una aplicaci贸n web para usar tu modelo entrenado | [Python](../3-Web-App/1-Web-App/translations/README.es.md) | Jen | | 10 | Introducci贸n a la clasificaci贸n | [Clasificaci贸n](../4-Classification/translations/README.es.md) | Limpia, prepara y visualiza tus datos; introducci贸n a la clasificaci贸n |