Algoritmos Machine Learning: Arboles Decision para Data Science

¿Quieres poner en práctica lo que has aprendido en este video?:

Suscríbete a este canal con el botón rojo que está debajo de los videos y pulsa la campana para que te notifique de las novedades.Los arboles de decision son uno de los algoritmos de machine learning más usados en data science.
En este vídeo te explico qué son los árboles de decisión en data science, cómo funcionan, sus pros y contras frente a otros algorimos de machine learning e incluso hacemos una demostración de cómo hacer un árbol de decisión en R con Rstudio.

[julianchaves]

Si tuviera que ponerle titulo a este video le pondria: "Un puto amo explica como los dioses los Arboles de Decision para Data
Science"

[ppascasl]

Una explicación muy completa, tan importante como usar el código es entender lo que significa. Muy didáctico y claro.

[gastonsegovia]

EXCELENTE, GRACIAS POR COMPARTIR ESTOS CONOCIMIENTOS.

[ejgra]

Excelente video, excelente moderador.No entiendo porque desde mayo no continuo con los otros algoritmos, si es muy bueno explicando. Es necesario que personas así, contribuyan aclarar ideas y a fomentar el aprendizaje del ML.

[GER_eM_]

gracias por la explicación, saludos desde Viena

[joevitrano]

Uno de las mejores explicacione que encontré, lo entendí de una ! suscripto

[manuelgonzalez]

Buenos días,

Antes de nada, agradecerte todo tu trabajo y tu contenido didáctico, es de gran ayuda.
Actualmente intento implementar un modelo en una base de datos donde todo los datos son cualitativos, alguno de ellos categóricos, y mi quiero hacer predicciones sobre una variable de salidas Si y No.
Como soy nuevo en esto y no tengo variables numéricas me cuesta un poco saber cómo analizar y modelizar este tipo de datos. ¿Me podría dar algún consejo sobre cómo tratar los datos y que modelos se ajustan más al problema?.
De nuevo, muchísimas gracias por su labor, saludos.

[JoseNicanorFrancoRiquelme]

Muy buena la explicación de este algoritmo. Seguiré esperando mas vídeos tuyos Isaac, para entender mejor otros algoritmos de los tantos que pululan por ahí. Saludos!!!

[ernestodiaz]

Muy buena explicación, muy didáctico, explica aspectos que otros no. Gracias.

[francysbermudezvelasquez]

Agradecida por estos videos me ayudan a comprender el aspecto técnico y el negocio.

[IvanP]

Muy clara explicación, gracias por compartir, revisaré el material del desafío. Nuevamente Gracias. 👍👍👍

[jlceballosf]

Saludos Isaac. Agradecido por tus videos que muestran, además del aspecto técnico en sí, el enfoque del análisis del negocio. lo cual resulta muy importante entender y manejarlo. Espero por otros videos como éste, donde ofrezcas una orientación sobre el uso de los distintos algoritmos de ML.
Muchas gracias por tu labor, tus recursos son de mucha utilidad!!!

[zrinio]

Buenas tardes, me encantan estos vídeos y me están sirviendo como ayuda para iniciarme, soy ingeniero en organización industrial recién titulado y me gustaría ampliar mis conocimientos en este campo, y estoy mirando ciertos máster aunque no se cual realizar, estoy entre el de la ucm, upm y urjc
Gracias

[Gamma]

Excelente explicación. Gracias amigo un abrazo

[bilal_laouah]

Buenísimo!! Punto medio entre teoría y práctica!

[joansondelgado]

Eres un crack maestro gracias por el aporte, sigue haciendo videos como este

Excelente aporte Isaac! Todos tus videos me han colaborado mucho a comprender y dar mis primeros pasos en R; hice el reto de Machine Learning y me gustó, evidentemente quisiera realizar el curso pero no dispongo a la fecha de los recursos, por ende, mientras que me recomendaciones me harías para realizar un pequeño proyecto (con sus fases) para ir practicando; digamos que ya domino un poco las librerías y sintaxis, pero me ha costado llevar eso a la práctica.... ta ta ta tannnn...el gran rato! Saludos y éxitos para DS4B

[guillermoemz]

Isaac, dentro de lo "CATEGÓRICO" de ML Predictivo mencionaste a regresión logística y familia de árboles (árboles de clasificación, random forest, GBM y XGBoost), haciendo referencia a Pareto (20 - 80), Support Vector Machine (SVM) y Naive Bayes, estos dos últimos métodos de son mejores que los anteriores, por qué no lo tomaste en consideración. Saludos,

[guillermoemz]

Isaac, ante nada felicitarte por tu canal, se nota que tienes experiencia en Machine Learning y Data Science, en base a tu experiencia, cómo abordarías el juego de ajedrez con Machine Learning ? Saludos,

[karinaramos]

Muchas gracias Issac, excelente explicación. De donde puedo sacar este DataSet que usas como ejemplo.