En este curso nos enfocaremos en aprender a usar los estimadores de clasificación, regresión, agrupamiento y detección de anomalías. Conceptualizaremos cada estimador y realizaremos un ejemplo práctico.

PHP sigue dominando la web, con sitios de e-commerce, CRM, facturación, logística. Todos estos sitios generan mucha información que puede ser explotada para la toma de decisiones, por ejemplo:

• Cadena de suministros de una empresa.

• Sugerencia de productos a los clientes.

• Análisis de comportamiento de usuarios.

• Prevención de fraudes en las compras.

• Chatbots.

La integración de Inteligencia Artificial en aplicaciones web es cada vez más común, y los desarrolladores que trabajan principalmente con PHP pueden beneficiarse al aprender Machine Learning y Deep Learning.

Los principales estimadores que estudiaremos son:

• Classification Tree

• Extra Tree Classifier

• Naive Bayes

• Gaussian Naive Bayes

• K Nearest Neighbors

• K-D Neighbors

• Radius Neighbors

• SVC

• Regression Tree

• Extra Tree Regressor

• KNN Regressor

• K-d Neighbors Regressor

• Radius Neighbors Regressor

• SVR

• Fuzzy C Means

• Gaussian Mixture

• K Means

• Mean Shift

• DBSCAN

• Gaussian MLE

• Isolation Forest

• Loda

• Local Outlier Factor

También estudiaremos otras funcionalidades que nos brinda la librería y nos ayuda a crear mejores algoritmos.

No existe industria donde no se pueda aplicar lo que aprenderás en este curso.

Es por esto y más, que he creado un curso para que analicemos la data que generan nuestros sistemas web, entender sus patrones y mejorar la toma de decisión basada en datos.

Who this course is for:

• Desarrolladores Web
• Programadores de sistemas
• Analista de datos