| 8. Regresión logística con Python/7. Estimación con el método de máxima verosimilitud.mp4 | 454.35 MB |
| 8. Regresión logística con Python/8. Crear un modelo logístico desde cero.mp4 | 440.2 MB |
| 9. Clustering y clasificación/2. ¿Qué es y para qué sirve el clustering.mp4 | 331.5 MB |
| 7. Regresión lineal con Python/19. Transformar las variables en relaciones no lineales.mp4 | 318.1 MB |
| 14. Análisis de componentes principales/3. Demostración de cómo se hace un ACP.mp4 | 310.09 MB |
| 10. Árboles y bosques aleatorios/5. Algoritmos para la generación de árboles de clasificación.mp4 | 308.26 MB |
| 11. Máquinas de Soporte Vectorial/14. Práctica de SVM reconocimiento facial a lo CSI.mp4 | 307.49 MB |
| 9. Clustering y clasificación/3. El concepto de distancia.mp4 | 305.93 MB |
| 8. Regresión logística con Python/9. Análisis exploratorio de los datos.mp4 | 300.56 MB |
| 9. Clustering y clasificación/17. Implementando la técnica del codo y el coeficiente de la silueta.mp4 | 298.63 MB |
| 10. Árboles y bosques aleatorios/4. Entropía y ganancia de Información.mp4 | 295.92 MB |
| 7. Regresión lineal con Python/16. Variables categóricas en una regresión lineal.mp4 | 284.5 MB |
| 8. Regresión logística con Python/16. Implementación de las curvas ROC en Python.mp4 | 282.81 MB |
| 15. Introducción a las redes neuronales y al deep learning con TensorFlow/7. La carga del dataset de imágenes.mp4 | 282.11 MB |
| 7. Regresión lineal con Python/5. Sumas de los cuadrados totales, de las diferencias y de la regresión.mp4 | 280.77 MB |
| 11. Máquinas de Soporte Vectorial/3. El problema de clasificación no óptimo.mp4 | 273.38 MB |
| 11. Máquinas de Soporte Vectorial/15. Práctica de SVM Clasificación de las flores de Iris.mp4 | 268.64 MB |
| 14. Análisis de componentes principales/6. Plotly, la librería de gráficos personalizados e interactivos.mp4 | 267.21 MB |
| 9. Clustering y clasificación/10. Un clustering completo por donde cortamos el dendrograma.mp4 | 263.11 MB |
| 9. Clustering y clasificación/6. Uniendo datos manualmente.mp4 | 253.44 MB |
| 9. Clustering y clasificación/14. Ejercicio Segmentación de los vinos.mp4 | 248.04 MB |
| 11. Máquinas de Soporte Vectorial/2. Las support vector machines.mp4 | 243.86 MB |
| 8. Regresión logística con Python/10. La selección de variables del dataset para el modelo logístico.mp4 | 243.48 MB |
| 7. Regresión lineal con Python/8. Interpretar los parámetros de la regresión.mp4 | 237.74 MB |
| 6. Conceptos básicos de estadística para la modelización predictiva/8. Correlación entre variables.mp4 | 235.24 MB |
| 10. Árboles y bosques aleatorios/7. Los problemas del árbol.mp4 | 234.55 MB |
| 15. Introducción a las redes neuronales y al deep learning con TensorFlow/3. Acerca de las redes neuronales y el deep learning.mp4 | 233.3 MB |
| 9. Clustering y clasificación/9. Un clustering completo representación del dendrograma.mp4 | 231.59 MB |
| 11. Máquinas de Soporte Vectorial/10. Los soportes de SVM.mp4 | 225.6 MB |
| 9. Clustering y clasificación/5. Métodos de enlace.mp4 | 224.02 MB |
| 7. Regresión lineal con Python/3. Demostración de la obtención de los parámetros del modelo lineal.mp4 | 217.82 MB |
| 15. Introducción a las redes neuronales y al deep learning con TensorFlow/13. Validación del modelo.mp4 | 216.47 MB |
| 7. Regresión lineal con Python/21. Otros problemas y consideraciones de la regresión lineal.mp4 | 215.88 MB |
| 11. Máquinas de Soporte Vectorial/4. Los núcleos no lineales y el problema de la dimensión.mp4 | 213 MB |
| 2. Instalando nuestra herramienta de trabajo/1. Cómo instalar Python con Anaconda Navigator.mp4 | 210.66 MB |
| 5. Operaciones de manejo de datos/23. Carga de cientos de datos distribuidos.mp4 | 209.26 MB |
| 14. Análisis de componentes principales/2. El problema de la dimensión.mp4 | 202.96 MB |
| 12. K Nearest Neighbors/2. Los k vecinos más cercanos.mp4 | 198.73 MB |
| 16. Juntar código de R y Python con la librería rpy2/7. La librería extRemes en acción desde Python.mp4 | 198.05 MB |
| 7. Regresión lineal con Python/2. Las matemáticas tras una regresión lineal.mp4 | 195.89 MB |
| 14. Análisis de componentes principales/13. Personalizando los gráficos de plotly.mp4 | 188.55 MB |
| 15. Introducción a las redes neuronales y al deep learning con TensorFlow/16. La regresión softmax.mp4 | 184.98 MB |
| 7. Regresión lineal con Python/10. Regresión lineal múltiple.mp4 | 183.48 MB |
| 5. Operaciones de manejo de datos/24. Ejercicio el data set de los juegos olímpicos.mp4 | 182.71 MB |
| 10. Árboles y bosques aleatorios/2. ¿Qué es un árbol de decisión.mp4 | 182.45 MB |
| 10. Árboles y bosques aleatorios/14. Random forests.mp4 | 177.42 MB |
| 17. ¿Qué nos depara el futuro/1. Proyecto final. ¿Qué me depara el futuro.mp4 | 175.13 MB |
| 7. Regresión lineal con Python/18. Enmascarado de variables categóricas redundantes.mp4 | 171.79 MB |
| 10. Árboles y bosques aleatorios/13. Árboles de regresión con Python.mp4 | 171.32 MB |
| 5. Operaciones de manejo de datos/1. Data Wrangling.mp4 | 168.45 MB |