Curso de aprendizaje automático

Este repositorio incluye el material didáctico para un curso introductorio sobre aprendizaje automático (machine learning).

Está organizado como sigue:

• El directorio material contiene ficheros Markdown (con extensión md) y Jupyter Notebooks (con extensión ipynb) donde se desarrolla el contenido principal del curso.
• El directorio activities contiene actividades resueltas que se pueden utilizar a modo de ejemplo durante el curso.
• Los directorios build y template no son relevantes para el curso. Son directorios auxiliares utilizados para la exportación del material a otros formatos.

Cómo ejecutar

Algunos materiales de este curso son interactivos y tu aprendizaje será más sólido si experimentas de primera mano con ellos. Para ejecutar los notebooks contenidos en este repositorio tienes varias opciones:

1. Utilizar tu propia máquina:

   1. Clona este repositorio:

      git clone https://github.com/masdeseiscaracteres/ml_course.git
      

   2. Crea un entorno conda a partir del fichero environment.yml.

      cd ml_course
      conda env create -f environment.yml
      conda activate ml_course
      

   3. Lanza jupyter notebook y abre el notebook que te interese.

      jupyter notebook
      

2. Utilizar MyBinder: simplemente pulsa en esta imagen para desplegar este proyecto en MyBinder.

3. Utilizar Google Colab: en cada notebook encontrarás un enlace para ejecutarlo en Google Colab.

4. Utilizar Deepnote: en cada notebook encontrarás un enlace para ejecutarlo en Deepnote. Deepnote se encargará de desplegar este proyecto completo y podrás acceder también al resto de ficheros desde su entorno.

Cómo visualizar

En cambio, si solo quieres visualizar los notebooks en este repositorio (e ignorar el contenido interactivo) también tienes varias opciones:

1. Utilizar las propias capacidades de visualización de notebooks de Github. Es tan sencillo como abrir el notebook que te interese en la interfaz web de Github. Aquí tienes un ejemplo.
2. Utilizar nbviewer para visualizar el repositorio completo:

Agradecimientos

Gran parte de los contenidos de este repositorio están basados en el trabajo de Felipe Alonso y son mejorados constantemente para satisfacer las dudas, comentarios y sugerencias de todas las personas que siguen el curso.