ML-For-Beginners/translations/es

🌐 Soporte Multilingüe

Soportado mediante GitHub Action (Automatizado y Siempre Actualizado)

Árabe | Bengalí | Búlgaro | Birmano (Myanmar) | Chino (Simplificado) | Chino (Tradicional, Hong Kong) | Chino (Tradicional, Macao) | Chino (Tradicional, Taiwán) | Croata | Checo | Danés | Neerlandés | Estonio | Finlandés | Francés | Alemán | Griego | Hebreo | Hindi | Húngaro | Indonesio | Italiano | Japonés | Kannada | Coreano | Lituano | Malayo | Malabar | Maratí | Nepalí | Pidgin Nigeriano | Noruego | Persa (Farsi) | Polaco | Portugués (Brasil) | Portugués (Portugal) | Punjabi (Gurmukhi) | Rumano | Ruso | Serbio (Cirílico) | Eslovaco | Esloveno | Español | Suajili | Sueco | Tagalo (Filipino) | Tamil | Telugu | Tailandés | Turco | Ucraniano | Urdu | Vietnamita

¿Prefieres clonar localmente?

Este repositorio incluye más de 50 traducciones de idiomas que aumentan significativamente el tamaño de la descarga. Para clonar sin traducciones, usa checkout esparcido:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Esto te da todo lo que necesitas para completar el curso con una descarga mucho más rápida.

Únete a Nuestra Comunidad

Tenemos una serie en Discord para aprender con IA en curso, aprende más y únete en Learn with AI Series del 18 al 30 de septiembre de 2025. Obtendrás consejos y trucos para usar GitHub Copilot en Ciencia de Datos.

Aprendizaje Automático para Principiantes - Un Plan de Estudios

🌍 Viaja por el mundo mientras exploramos el Aprendizaje Automático mediante culturas del mundo 🌍

Los defensores de la nube en Microsoft se complacen en ofrecer un plan de estudios de 12 semanas y 26 lecciones sobre Aprendizaje Automático. En este plan de estudios, aprenderás sobre lo que a veces se llama aprendizaje automático clásico, usando principalmente Scikit-learn como biblioteca y evitando el aprendizaje profundo, que está cubierto en nuestro plan de estudios de IA para Principiantes. Combina estas lecciones con nuestro 'Ciencia de Datos para Principiantes', ¡también!

Viaja con nosotros por todo el mundo mientras aplicamos estas técnicas clásicas a datos de muchas áreas del mundo. Cada lección incluye cuestionarios previos y posteriores, instrucciones escritas para completar la lección, una solución, una tarea, y más. Nuestra pedagogía basada en proyectos te permite aprender mientras construyes, una manera comprobada para que las nuevas habilidades se fijen.

✍️ Un agradecimiento sincero a nuestros autores Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu y Amy Boyd

🎨 También gracias a nuestros ilustradores Tomomi Imura, Dasani Madipalli, y Jen Looper

🙏 Agradecimientos especiales 🙏 a nuestros autores, revisores y colaboradores de contenido Estudiantes Embajadores de Microsoft, en especial Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, y Snigdha Agarwal

🤩 Gratitud extra a los Estudiantes Embajadores de Microsoft Eric Wanjau, Jasleen Sondhi, y Vidushi Gupta por nuestras lecciones en R!

Comenzando

Sigue estos pasos:

1. Haz Fork del Repositorio: Haz clic en el botón "Fork" en la esquina superior derecha de esta página.
2. Clona el Repositorio: git clone https://github.com/microsoft/ML-For-Beginners.git

encuentra todos los recursos adicionales para este curso en nuestra colección de Microsoft Learn

🔧 ¿Necesitas ayuda? Consulta nuestra Guía de Solución de Problemas para soluciones a problemas comunes con la instalación, configuración y ejecución de lecciones.

Estudiantes, para usar este plan de estudios, haz fork del repositorio completo en tu propia cuenta de GitHub y completa los ejercicios por tu cuenta o con un grupo:

• Comienza con un cuestionario previo a la lección.
• Lee la lección y completa las actividades, pausando y reflexionando en cada chequeo de conocimiento.
• Intenta crear los proyectos comprendiendo las lecciones en lugar de ejecutar el código de solución; sin embargo, ese código está disponible en las carpetas /solution en cada lección orientada a proyectos.
• Realiza el cuestionario posterior a la lección.
• Completa el desafío.
• Completa la tarea.
• Después de completar un grupo de lecciones, visita el Foro de Discusión y "aprende en voz alta" completando la rúbrica PAT correspondiente. Un 'PAT' es una Herramienta de Evaluación de Progreso que es una rúbrica que completas para profundizar tu aprendizaje. También puedes reaccionar a otros PATs para que aprendamos juntos.

Para estudios adicionales, recomendamos seguir estos módulos y rutas de aprendizaje de Microsoft Learn.

Profesores, hemos incluido algunas sugerencias sobre cómo usar este plan de estudios.

---

Videos explicativos

Algunas de las lecciones están disponibles en formato de video corto. Puedes encontrar todos estos en línea en las lecciones, o en la lista de reproducción ML para Principiantes en el canal de Microsoft Developer en YouTube haciendo clic en la imagen a continuación.

---

Conoce al equipo

Gif por Mohit Jaisal

🎥 ¡Haz clic en la imagen de arriba para un video sobre el proyecto y las personas que lo crearon!

---

Pedagogía

Hemos elegido dos principios pedagógicos al construir este plan de estudios: asegurar que sea práctico y basado en proyectos y que incluya cuestionarios frecuentes. Además, este plan de estudios tiene un tema común para darle cohesión.

Al garantizar que el contenido esté alineado con proyectos, el proceso se vuelve más atractivo para los estudiantes y se aumenta la retención de conceptos. Además, un cuestionario de bajo impacto antes de la clase establece la intención del estudiante hacia el aprendizaje de un tema, mientras que un segundo cuestionario después de la clase asegura una retención adicional. Este plan de estudios fue diseñado para ser flexible y divertido y puede tomarse en su totalidad o en partes. Los proyectos comienzan pequeños y se vuelven cada vez más complejos hasta el final del ciclo de 12 semanas. Este plan de estudios también incluye un posfacio sobre aplicaciones reales de ML, que puede usarse como crédito extra o como base para discusión.

Consulta nuestras guías de Código de Conducta, Contribuciones, Traducción y Solución de Problemas. ¡Agradecemos tus comentarios constructivos!

Cada lección incluye

• sketchnotes opcionales
• vídeo complementario opcional
• video explicativo (solo algunas lecciones)
• cuestionario previo de calentamiento
• lección escrita
• para lecciones basadas en proyectos, guías paso a paso de cómo construir el proyecto
• chequeos de conocimiento
• un desafío
• lectura suplementaria
• tarea
• cuestionario posterior a la lección

Una nota sobre los idiomas: Estas lecciones están escritas principalmente en Python, pero muchas también están disponibles en R. Para completar una lección en R, ve a la carpeta /solution y busca las lecciones en R. Incluyen una extensión .rmd que representa un archivo R Markdown, que puede definirse simplemente como una combinación de fragmentos de código (de R u otros lenguajes) y un encabezado YAML (que guía cómo formatear salidas como PDF) en un documento Markdown. Como tal, sirve como un marco ejemplar para la autoría en ciencia de datos, ya que te permite combinar tu código, su salida y tus pensamientos permitiéndote escribirlos en Markdown. Además, los documentos R Markdown pueden convertirse a formatos de salida como PDF, HTML o Word. Una nota sobre los cuestionarios: Todos los cuestionarios están contenidos en la carpeta Quiz App, con un total de 52 cuestionarios de tres preguntas cada uno. Se enlazan desde las lecciones, pero la aplicación del cuestionario se puede ejecutar localmente; siga las instrucciones en la carpeta quiz-app para alojar localmente o desplegar en Azure.

Número de lección	Tema	Grupo de lecciones	Objetivos de aprendizaje	Lección enlazada	Autor
01	Introducción al aprendizaje automático	Introducción	Aprender los conceptos básicos detrás del aprendizaje automático	Lección	Muhammad
02	La historia del aprendizaje automático	Introducción	Aprender la historia que subyace a este campo	Lección	Jen y Amy
03	Justicia y aprendizaje automático	Introducción	¿Cuáles son los problemas filosóficos importantes sobre la justicia que los estudiantes deben considerar al construir y aplicar modelos de ML?	Lección	Tomomi
04	Técnicas para aprendizaje automático	Introducción	¿Qué técnicas usan los investigadores de ML para construir modelos de aprendizaje automático?	Lección	Chris y Jen
05	Introducción a la regresión	Regresión	Comenzar con Python y Scikit-learn para modelos de regresión	Python • R	Jen • Eric Wanjau
06	Precios de calabaza en Norteamérica 🎃	Regresión	Visualizar y limpiar datos en preparación para el ML	Python • R	Jen • Eric Wanjau
07	Precios de calabaza en Norteamérica 🎃	Regresión	Construir modelos de regresión lineal y polinómica	Python • R	Jen y Dmitry • Eric Wanjau
08	Precios de calabaza en Norteamérica 🎃	Regresión	Construir un modelo de regresión logística	Python • R	Jen • Eric Wanjau
09	Una aplicación web 🔌	Aplicación web	Construir una aplicación web para usar tu modelo entrenado	Python	Jen
10	Introducción a la clasificación	Clasificación	Limpiar, preparar y visualizar tus datos; introducción a la clasificación	Python • R	Jen y Cassie • Eric Wanjau
11	Deliciosas cocinas asiáticas e indias 🍜	Clasificación	Introducción a los clasificadores	Python • R	Jen y Cassie • Eric Wanjau
12	Deliciosas cocinas asiáticas e indias 🍜	Clasificación	Más clasificadores	Python • R	Jen y Cassie • Eric Wanjau
13	Deliciosas cocinas asiáticas e indias 🍜	Clasificación	Construir una aplicación web recomendadora usando tu modelo	Python	Jen
14	Introducción al agrupamiento	Agrupamiento	Limpiar, preparar y visualizar tus datos; introducción al agrupamiento	Python • R	Jen • Eric Wanjau
15	Explorando gustos musicales nigerianos 🎧	Agrupamiento	Explorar el método de agrupamiento K-Means	Python • R	Jen • Eric Wanjau
16	Introducción al procesamiento de lenguaje natural ☕️	Procesamiento de lenguaje natural	Aprender lo básico sobre PLN construyendo un bot sencillo	Python	Stephen
17	Tareas comunes en PLN ☕️	Procesamiento de lenguaje natural	Profundizar tu conocimiento en PLN entendiendo las tareas comunes requeridas al tratar con estructuras lingüísticas	Python	Stephen
18	Traducción y análisis de sentimiento ♥️	Procesamiento de lenguaje natural	Traducción y análisis de sentimiento con Jane Austen	Python	Stephen
19	Hoteles románticos de Europa ♥️	Procesamiento de lenguaje natural	Análisis de sentimiento con reseñas de hoteles 1	Python	Stephen
20	Hoteles románticos de Europa ♥️	Procesamiento de lenguaje natural	Análisis de sentimiento con reseñas de hoteles 2	Python	Stephen
21	Introducción a la predicción de series temporales	Series temporales	Introducción a la predicción de series temporales	Python	Francesca
22	⚡️ Uso mundial de energía ⚡️ - predicción de series temporales con ARIMA	Series temporales	Predicción de series temporales con ARIMA	Python	Francesca
23	⚡️ Uso mundial de energía ⚡️ - predicción de series temporales con SVR	Series temporales	Predicción de series temporales con regresor de vectores soporte (SVR)	Python	Anirban
24	Introducción al aprendizaje por refuerzo	Aprendizaje por refuerzo	Introducción a aprendizaje por refuerzo con Q-Learning	Python	Dmitry
25	Ayuda a Peter a evitar al lobo! 🐺	Aprendizaje por refuerzo	Aprendizaje por refuerzo Gym	Python	Dmitry
Posdata	Escenarios y aplicaciones reales de ML	ML en el mundo real	Aplicaciones interesantes y reveladoras del ML clásico	Lección	Equipo
Posdata	Depuración de modelos en ML usando el panel RAI	ML en el mundo real	Depuración de modelos en Machine Learning usando componentes del panel de AI responsable	Lección	Ruth Yakubu

encuentra todos los recursos adicionales para este curso en nuestra colección Microsoft Learn

Acceso sin conexión

Puedes ejecutar esta documentación sin conexión usando Docsify. Haz un fork de este repositorio, instala Docsify en tu máquina local y luego, en la carpeta raíz de este repositorio, escribe docsify serve. El sitio web se servirá en el puerto 3000 en tu localhost: localhost:3000.

PDFs

Encuentra un pdf del currículo con enlaces aquí.

🎒 Otros cursos

¡Nuestro equipo produce otros cursos! Consulta:

LangChain

---

Azure / Edge / MCP / Agentes

---

Serie de IA Generativa

---

Aprendizaje Central

---

Serie Copilot

Obtener ayuda

Si te quedas atascado o tienes alguna pregunta sobre cómo construir aplicaciones de IA, únete a otros aprendices y desarrolladores experimentados en discusiones sobre MCP. Es una comunidad de apoyo donde las preguntas son bienvenidas y el conocimiento se comparte libremente.

Si tienes comentarios sobre el producto o errores mientras construyes, visita:

---

Aviso Legal:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por lograr precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda traducción profesional realizada por un humano. No nos hacemos responsables por malentendidos o interpretaciones erróneas derivados del uso de esta traducción.