What will I get if I subscribe to this Specialization?

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Modelos predictivos con aprendizaje automático

Seize the savings! Get 40% off 3 months of Coursera Plus and full access to thousands of courses.

Modelos predictivos con aprendizaje automático

This course is part of Ciencia de datos Specialization

Instructor: Haydemar Nuñez Castro

4,136 already enrolled

Included with

Learn more

4 modules

Gain insight into a topic and learn the fundamentals.

78 reviews

Beginner level

Recommended experience

2 weeks to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

4 modules

Gain insight into a topic and learn the fundamentals.

78 reviews

Beginner level

Recommended experience

2 weeks to complete

at 10 hours a week

Flexible schedule

Learn at your own pace

What you'll learn

Comprender qué es el aprendizaje automático y los tipos de problemas que pueden resolverse con estas técnicas.
Construir modelos predictivos con base en los objetivos de negocio y los datos disponibles, con herramientas de aprendizaje automático en Python.
Entender el proceso para desarrollar un proyecto basado en datos, desde la formulación del problema hasta la evaluación e interpretación del modelo.

Skills you'll gain

Tools you'll learn

Details to know

Shareable certificate

Add to your LinkedIn profile

Assessments

8 assignments

Taught in Spanish

See how employees at top companies are mastering in-demand skills

Learn more about Coursera for Business

logos of Petrobras, TATA, Danone, Capgemini, P&G and L'Oreal

Build your subject-matter expertise

This course is part of the Ciencia de datos Specialization

When you enroll in this course, you'll also be enrolled in this Specialization.

Learn new concepts from industry experts
Gain a foundational understanding of a subject or tool
Develop job-relevant skills with hands-on projects
Earn a shareable career certificate

There are 4 modules in this course

Este curso te va a brindar conocimientos, tanto teóricos como prácticos, para que puedas construir modelos predictivos utilizando técnicas de aprendizaje automático (en inglés, machine learning). Estos modelos nos permiten anticipar en alguna medida eventos futuros y, en consecuencia, pueden ser utilizados para apoyar la toma de decisiones en las organizaciones y, en general, en cualquier dominio de aplicación.

El curso consta de 4 módulos, cada uno de una semana, en los cuales vas a tener la oportunidad de conocer y analizar diferentes casos de estudio con el objetivo de que tengas un panorama amplio de las aplicaciones de los modelos predictivos. En el primer módulo estudiaremos algunos fundamentos del aprendizaje automático y te mostraremos ejemplos de proyectos que pueden ser realizados con estas técnicas. El segundo módulo lo dedicaremos a la tarea de regresión y cómo construir modelos de predicción numérica con algoritmos lineales. A continuación, en el tercer módulo, estudiaremos algunos conceptos importantes en el aprendizaje supervisado, como la complejidad de modelos y la capacidad de generalización. Veremos entonces algunas técnicas que te permitirán mejorar el rendimiento de tus modelos. Por último, en el cuarto módulo, estudiaremos la tarea de clasificación y cómo construir modelos predictivos con algoritmos basados en árboles de decisión. Este curso está pensado para personas de diferentes disciplinas que quieran adentrarse en el mundo del aprendizaje automático y sus aplicaciones en el análisis de información, que estén iniciando estudios universitarios o con un título profesional. El aspirante a tomar este curso puede provenir de cualquier campo del conocimiento y estar incorporado en cualquier ámbito industrial, empresarial o académico. Este curso requiere la instalación de un programa especial (Anaconda/Jupyter Notebook). Es recomendable que el equipo cuente con más de 4GB de RAM y espacio en disco duro superior a 1GB.

Bienvenido al primer módulo del curso. Aquí te voy a mostrar, a través del estudio de algunos casos de uso, qué es el aprendizaje automático y cuáles son las características de los proyectos que pueden ser realizados con estás técnicas. Además, conocerás algunas áreas de aplicación del aprendizaje automático y sabrás diferenciar los diversos contextos de aprendizaje, supervisado y no supervisado, así como sus tareas asociadas. También tendrás la oportunidad de conocer el proceso de aprendizaje a través de una metodología y cuáles son algunas herramientas, en el lenguaje de programación Python, que puedes utilizar para la implementación de este tipo de proyectos.

What's included

7 videos7 readings2 assignments2 discussion prompts6 plugins

7 videos Total 47 minutes

Introducción al curso 5 minutes
Anaconda y su instalación 12 minutes
Introducción al Módulo 1 4 minutes
¿Cómo podemos definir el AA (Aprendizaje Automático)? 8 minutes
Los tipos de aprendizaje y sus tareas 8 minutes
Caso de uso Gestión de riesgos ambientales 2 minutes
Un ejemplo sobre un conjunto de datos (cargar, describir, visualizar, ...) 8 minutes

7 readings Total 130 minutes

Presentación del curso 20 minutes
Recomendaciones para tener éxito en el curso 15 minutes
Problemas técnicos 10 minutes
Determina una problemática de interés ¿Puede resolverse con AA (Aprendizaje Automático)? 30 minutes
¿Cuál será nuestro proyecto? 15 minutes
Modelos predictivos en el sector retail. 10 minutes
A practicar Cargar, describir y visualizar un conjunto de datos 30 minutes

2 assignments Total 60 minutes

¿Qué hemos aprendido? 45 minutes
Preparándonos para continuar 15 minutes

2 discussion prompts Total 20 minutes

Foro: cuéntanos de ti 10 minutes
¿Cómo se relaciona el AA (Aprendizaje Automático) con la IA? 10 minutes

6 plugins Total 110 minutes

Referencias de apoyo 20 minutes
¿Qué tipo de proyectos podemos realizar con el AA (Aprendizaje Automático)? 20 minutes
¿Cómo se relaciona el AA (Aprendizaje Automático) con la IA? 10 minutes
Los modelos predictivos: qué tarea asignar con base en el objetivo de aprendizaje 20 minutes
Etapas de un proyecto de analítica 25 minutes
Python y las librerías para AA (aprendizaje automático) 15 minutes

Bienvenido al segundo módulo del curso, el cual lo dedicaremos al estudio de la tarea de regresión. Aprenderás cómo resolver un problema de predicción numérica utilizando el algoritmo de regresión lineal, tanto simple como de múltiples variables. También conocerás algunas métricas que te permitirán medir el rendimiento del modelo generado, así como técnicas para determinar la calidad de las predicciones para datos nuevos. Por último, aplicarás estos conceptos a un caso utilizando la librería de aprendizaje automático scikit-learn.

What's included

4 videos6 readings2 assignments1 discussion prompt3 plugins

4 videos Total 31 minutes

Introducción al Módulo 2 3 minutes
¿Cómo resolver un problema de regresión? 5 minutes
Regresión lineal simple 9 minutes
¿Y cómo implementar el proceso? La regresión lineal con scikit-learn 14 minutes

6 readings Total 120 minutes

¿Cuáles son las aplicaciones de la regresión? 10 minutes
¿Cómo interpretar el modelo de regresión lineal simple? 15 minutes
¿Cómo interpretar el modelo de regresión lineal múltiple? 10 minutes
¿Cómo interpretar las métricas de rendimiento para regresión? 10 minutes
A practicar. Proceso de aprendizaje completo sobre un conjunto de datos 30 minutes
Manos a la obra, a aplicar lo visto en el proyecto 45 minutes

2 assignments Total 60 minutes

¿Qué hemos aprendido? 45 minutes
Preparándonos para continuar 15 minutes

1 discussion prompt Total 10 minutes

¿Cómo saber la calidad de las predicciones sobre datos nuevos? 10 minutes

3 plugins Total 60 minutes

Regresión lineal múltiple 20 minutes
Algunas métricas para evaluar modelos de regresión 20 minutes
¿Cómo saber la calidad de las predicciones sobre datos nuevos? 20 minutes

Bienvenido al tercer módulo del curso, en el cual vamos a estudiar algunas técnicas que te permitirán mejorar el rendimiento de los modelos predictivos. En primer lugar, veremos una trasformación que habilita el uso de la regresión lineal en problemas no lineales. Luego, presentaremos un concepto muy importante en al aprendizaje a partir de datos, la complejidad de modelos, y discutiremos cómo este puede afectar el rendimiento de generalización. También aprenderás qué es la regularización y cómo funciona como método de control de complejidad. Conocerás las versiones regularizadas de la regresión lineal y cómo ajustar hiperparámetros con técnicas de validación. Por último, tendrás la oportunidad de aplicar estos conceptos a un caso utilizando la librería scikit-learn.

What's included

5 videos6 readings2 assignments4 plugins

5 videos Total 33 minutes

Introducción al Módulo 3 3 minutes
La regresión polinomial en scikit-learn: caso una sola variable 8 minutes
La regresión polinomial en scikit-learn: caso con múltiples variables 6 minutes
Regresión regularizada. Caso Ridge. 10 minutes
Regresión regularizada. Caso Lasso. 6 minutes

6 readings Total 140 minutes

Transformación polinomial: interacciones entre variables 10 minutes
A practicar. Regresión polinomial sobre un conjunto de datos 30 minutes
Menos es más: complejidad y generalización 10 minutes
Regularización en regresión lineal. 15 minutes
Actividad A practicar. Regresión regularizada sobre un conjunto de datos 30 minutes
Manos a la obra, a aplicar lo visto en el proyecto 45 minutes

2 assignments Total 45 minutes

¿Qué hemos aprendido? 30 minutes
Preparándonos para continuar 15 minutes

4 plugins Total 60 minutes

¿Cómo funciona la regresión polinomial? 15 minutes
Más complejo o menos complejo: ese es el dilema 15 minutes
La regularización al rescate 15 minutes
En la búsqueda de los hiperparámetros 15 minutes

Bienvenido al último módulo del curso, en el cual estudiaremos la tarea de clasificación. Aprenderás cómo un algoritmo de aprendizaje resuelve un problema de este tipo y veremos en acción uno muy popular, los árboles de decisión. También conocerás algunas métricas para evaluar este tipo de modelos y cuál es la base a partir de la cual se derivan. Además, aplicarás los conceptos vistos sobre complejidad y ajuste de hiperparámetros para construir modelos basados en árboles de decisión con buenas capacidades de generalización. Por último, resolverás un caso utilizando la librería de aprendizaje automático scikit-learn. Para cerrar, tendrás la oportunidad de comprender las implicaciones éticas en el desarrollo de soluciones a partir de datos.

What's included

6 videos7 readings2 assignments2 plugins

6 videos Total 42 minutes

Introducción al Módulo 4 3 minutes
¿Cómo resolver un problema de clasificación? 7 minutes
Clasificación con árboles de decisión 7 minutes
Arboles de decisión en scikit learn. Construcción e interpretación. 12 minutes
¿Y cómo implementar el proceso? Árboles de decisión: ajuste de hiperparámetros y evaluación. 11 minutes
Cierre del curso 2 minutes

7 readings Total 185 minutes

¿Cuáles son las aplicaciones de la clasificación? 10 minutes
Algo más sobre algoritmos de árboles de decisión. 10 minutes
A practicar. Modelos basados en árboles de decisión partir de un conjunto de datos 30 minutes
A practicar. Árboles de decisión a partir de un conjunto de dato: construcción, búsqueda de la complejidad y evaluación. 30 minutes
Manos a la obra, a aplicar lo visto en el proyecto. 45 minutes
Aspectos éticos en la Inteligencia Artificial 30 minutes
Actividad: ¿Cuándo no se sigue la ética en el aprendizaje automático? 30 minutes

2 assignments Total 60 minutes

¿Qué hemos aprendido? 30 minutes
Preparándonos para continuar 30 minutes

2 plugins Total 30 minutes

Clasificación con árboles de decisión 15 minutes
Algunas métricas para evaluar modelos de clasificación 15 minutes

Earn a career certificate

Add this credential to your LinkedIn profile, resume, or CV. Share it on social media and in your performance review.

Instructor

Instructor ratings

(13 ratings)

Haydemar Nuñez Castro

Universidad de los Andes

8 Courses 5,210 learners

Offered by

Universidad de los Andes

Explore more from Machine Learning

Status: Free Trial
EDUCBA
Advanced Machine Learning with R: Apply & Predict
Course
Status: Preview
EDUCBA
Predictive Models: Build, Explore Data & Deploy
Course
Status: Free Trial
Edureka
Predictive Modeling with Python
Course
Status: Free Trial
MathWorks
Predictive Modeling and Machine Learning with MATLAB
Course

Why people choose Coursera for their career

Felipe M.

Learner since 2018

"To be able to take courses at my own pace and rhythm has been an amazing experience. I can learn whenever it fits my schedule and mood."

Jennifer J.

Learner since 2020

"I directly applied the concepts and skills I learned from my courses to an exciting new project at work."

Larry W.

Learner since 2021

"When I need courses on topics that my university doesn't offer, Coursera is one of the best places to go."

Chaitanya A.

"Learning isn't just about being better at your job: it's so much more than that. Coursera allows me to learn without limits."

Learner reviews

5 stars
79.48%
4 stars
16.66%
3 stars
2.56%
2 stars
1.28%
1 star
0%

Showing 3 of 78

Reviewed on Jun 18, 2025

Un curso muy bien abordado, los ejemplo son bastantes claros, y exige un nivel de estudio personal extra que no hay que olvidar.

Reviewed on Apr 18, 2025

Muy bueno el curso, sin embargo es necesario actualizarlo incluyendo las últimas versiones de las herramientas utilizadas...Muchas gracias!!

Reviewed on Jun 17, 2024

El curso es excelente. Muy concreto con su información y los ejercicios prácticos muy pertinentes.

View more reviews

Open new doors with Coursera Plus

Unlimited access to 10,000+ world-class courses, hands-on projects, and job-ready certificate programs - all included in your subscription

Learn more

Advance your career with an online degree

Earn a degree from world-class universities - 100% online

Explore degrees

Join over 3,400 global companies that choose Coursera for Business

Upskill your employees to excel in the digital economy

Learn more

Frequently asked questions

Al inscribirte al curso puedes elegir la opción que más te interese, bien sea auditarlo, en cuyo caso tendrás acceso al contenido del curso de forma gratuita; o con certificación, en cuyo caso deberás realizar algunas evaluaciones adicionales obligatorias y cumplir con los demás requisitos de la plataforma (hacer la verificación de identidad al presentar las evaluaciones obligatorias, lograr el porcentaje mínimo para pasar el curso y pagar directamente a Coursera el precio de la certificación anunciado en la plataforma).

El certificado de participación lo emite Coursera directamente. Puedes adquirirlo siempre y cuando cumplas con los tres requisitos siguientes: presentar las evaluaciones adicionales obligatorias, hacer la verificación de identidad al presentarlas, lograr el porcentaje mínimo para pasar el curso y pagar el precio anunciado por la plataforma.

Una vez cumplidos los requisitos para la obtención del certificado, debes realizar el pago directamente a Coursera. Ten en cuenta que actualmente las plataformas sólo permiten pagos con tarjetas de crédito internacionales; pero esperamos que pronto activen nuevas alternativas. En caso de que no cuentes con este medio de pago (tarjeta de crédito internacional), puedes solicitar ayuda financiera directamente a la plataforma a través de la opción "Learn more and apply" (Aprender más y aplicar) en la sección "Financial Aid" (Ayuda Financiera) que encuentras debajo del botón de inscripción "Enroll" (Inscribirse). Allí tendrás que completar una aplicación muy sencilla; ningún otro documento o trámite es necesario.

El certificado de participación se expide con el logo de la Universidad de los Andes y el de la plataforma, da cuenta de la participación del estudiante en el curso indicando las horas de trabajo semanal estimadas y está firmado por el profesor de la Universidad. En ningún caso, el certificado representa créditos académicos que puedan ser homologados en programas presenciales o en modalidad híbrida de la Universidad de los Andes.

Los asuntos relacionados con tu cuenta en Coursera, tu inscripción y acceso al curso, el pago y emisión del certificado, entre otros, son gestionados por la plataforma directamente, por lo que te sugerimos contactarlos (en español o inglés) al "Learner Help Center" (Centro de ayuda al estudiante) en:

https://learner.coursera.help/hc/es/categories/201216173#section_0.

El curso está diseñado para que usted avance al ritmo que más le convenga. Si debe suspender y quiere retomar el curso después, solo debe ingresar al curso como lo hacía antes y continuar o volver a empezar para refrescar lo que ya había hecho. No se preocupe si la plataforma le muestra las tareas que tiene atrasadas, es solo una guía. Sin embargo, tenga en cuenta que puede que el grupo de estudiantes que inició el curso al tiempo que usted ya vaya más adelante, por lo que es posible que nadie esté activo en los foros o las actividades de revisión por pares. Si desea unirse a un grupo que esté activo en ese momento, solo debe pasarse a una nueva sesión, dando clic en el botón Restablecer mis fechas límite (Reset my deadlines) que parece en la franja de color superior de la página un vistazo (Overview) dentro del curso.

Si quieres conocer más sobre la Universidad de los Andes, puedes consultar los siguientes vínculos:

- Video promocional: https://www.youtube.com/watch?v=J98GEwFJYms

- Página oficial: http://www.uniandes.edu.co

- Admisiones y registro: https://registro.uniandes.edu.co/index.php/scouting/ipor-queestudiar-en-uniandes

Contáctanos en la Cra 1 Nº 18A- 12 Bogotá, (Colombia). Código postal 111711 Bogotá, Colombia; por correo electrónico en infofcom@uniandes.edu.co; o por teléfono en +571 3394949, +571 3394999, extensiones 3301, 5050 y 1649.

A continuación encuentras algunos links de ayuda en Coursera:

- Ayuda con certificados y demás preguntas (Ayuda al Estudiante o Learner Help Center): https://learner.coursera.help/hc/en-us

- ¿Cómo inscribirse en un curso?: https://learner.coursera.help/hc/es/articles/209818603-Inscribirse-en-un-curso

- Opciones de inscripción a un curso o programa especializado: https://learner.coursera.help/hc/es/articles/209818613

- ¿Cómo puedo pagar por el certificado de un curso o programa especializado?: https://learner.coursera.help/hc/es/articles/208280146-Pay-for-a-course-or-Specialization

- ¿Cuándo empiezan los cursos?:

https://learner.coursera.help/hc/es/articles/208279766

- ¿Cómo solicito ayuda económica?:

https://learner.coursera.help/hc/es/articles/209819033-Solicitar-

- Ayuda económica

- ¿Qué cursos ofrece la Universidad de los Andes en Coursera?:

https://www.coursera.org/uniandes

Si eres estudiantes de pregrado y posgrado, personal académico y/o personal administrativo de la Universidad de los Andes, puedes certificarte de forma completamente gratuita cuando completes un MOOC de la Universidad de los Andes, del Tecnológico de Monterrey o de la Pontificia Universidad Católica de Chile, gracias a la alianza que formaron estas universidades, denominada La Tríada. Para lograrlo, debes ingresar al portal de la Tríada en Coursera: https://coursera.org/programs/la-triada-fegw7 y hacer clic en el botón de “Únete de forma gratuita”. Luego en “Inicia sesión con UNIVERSIDAD DE LOS ANDES” (utiliza tu usuario y clave de correo electrónico DE UNIANDES para ingresar. Regístrate como “Soy un usuario nuevo” (así tu cuenta de Coursera esté asociada a tu correo Uniandes). Únete al programa, revisa la oferta y disfruta de los MOOCs y programas de La Tríada. Para aclarar este proceso, ingresa a: https://moocs.uniandes.edu.co/la-triada-en-coursera/, donde encontrarás un video con el paso a paso, respuestas a las preguntas frecuentes y un email de soporte en caso de que necesites ayuda.

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.