1. Todo lo que aprenderás sobre MA con Scikit-Learn

2. ¿Cómo aprenden las máquinas-

3. Problemas que podemos resolver con Scikit-learn

4. Las matemáticas que vamos a necesitar

5. Configuración de nuestro entorno Python

6. Instalación de librerías en Python

7. Datasets que usaremos en el curso

8. ¿Cómo afectan nuestros features a los modelos de Machine Learning?

9. Introducción al PCA

10. Preparación de datos para PCA e IPCA

11. Implementación del algoritmo PCA e IPCA

12. Kernels y KPCA

13. ¿Qué es la regularización y cómo aplicarla-

14. Implementación de Lasso y Ridge

15. Explicación resultado de la implementación

16. ElasticNet Una técnica intermedia

17. El problema de los valores atípicos

18. Regresiones Robustas en Scikit-learn

19. Preparación de datos para la regresión robusta

20. Implementación regresión robusta