Este Webinar es la segunda parte de la serie “Data Science con Kaggle”, donde veremos la optimización y el tuneado de parámetros de Machine Learning. Además, también participaremos en una competición de regresión y en otra de reconocimiento de imágenes en vivo con redes neuronales. Los trabajos, como siempre, serán compartidos en un repositorio en Github.
El único requisito que se pide, además de ver y seguir los pasos del webinar kaggle L1 anterior), es tener:
Conocimientos de técnicas de optimización de modelos de Machine Learning con Scikit-Learn.
Saber utilizar las diferentes librerías de Python, (ej. Pandas y Numpy).
Técnicas de preprocesamiento y manipulación de los datos.
Visualización e interpretación de insights con Matplotlib y Seaborn.
Imputaciones de los missing values en sus diferentes técnicas.
Representación de los resultados de machine learning, confusion matrix, multiclases, etc.
Subida y mejora de los resultados en la competición.
Repositorio primera parte de la serie “Data Science con Kaggle”: https://github.com/marcusRB/WEBINAR_KAGGLE