Sobre el proyecto

Este repositorio es una colección completa de ejemplos de código y tutoriales de aprendizaje automático y aprendizaje profundo, mantenido por el autor de deeplearningcourses.com. Sirve como base de código complementaria para una amplia gama de cursos en línea que abarcan desde estadística fundamental hasta temas avanzados de IA. El repositorio está organizado por curso, y cada curso ocupa su propia carpeta. Se indica a los usuarios que vean la lección 'Where to get the code' (normalmente la Lección 2 o 3) dentro de cada curso para identificar la carpeta correspondiente. El autor recomienda clonar el repositorio en lugar de bifurcarlo para mantenerse al día con las frecuentes actualizaciones de los cursos. Los temas cubiertos en los cursos asociados incluyen: - **Matemáticas fundamentales**: Álgebra lineal, probabilidad, cálculo y cálculo matricial para ciencia de datos y aprendizaje automático. - **Aprendizaje automático clásico**: Regresión lineal, regresión logística, naive Bayes, máquinas de vectores de soporte, bosques aleatorios, AdaBoost, análisis de conglomerados y aprendizaje no supervisado con modelos ocultos de Markov. - **Aprendizaje profundo**: Redes neuronales, redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), GAN, autoencoders variacionales y visión por computadora avanzada. - **Procesamiento de lenguaje natural**: PLN con aprendizaje profundo, transformers y técnicas avanzadas de PLN. - **Aprendizaje por refuerzo**: Aprendizaje por refuerzo profundo en PyTorch y Python. - **IA generativa**: ChatGPT y LLM de OpenAI en Python, IA generativa para visión por computadora y deepfakes/clonación de voz. - **Métodos bayesianos**: Regresión lineal bayesiana, clasificación bayesiana y aprendizaje automático bayesiano con pruebas A/B. - **IA financiera**: Ingeniería financiera e IA en Python, incluido un bot de trading de pares con ChatGPT. - **Series temporales**: Análisis de series temporales, pronóstico y aprendizaje automático. - **Sistemas de recomendación**: Sistemas de recomendación y aprendizaje profundo en Python. - **Requisitos previos**: El stack de NumPy en Python, regresión lineal y regresión logística como requisitos previos para el aprendizaje profundo. A partir de los cursos de TensorFlow 2.0, los ejemplos de código más recientes se trasladaron a cuadernos de Google Colab, con enlaces proporcionados dentro de los cursos respectivos. El repositorio también enlaza a cursos VIP y exclusivos que cubren temas especializados como inferencia estadística, programación lineal para regresión lineal y MATLAB para profesionales de STEM. El repositorio está destinado a estudiantes y profesionales que buscan ejemplos de código prácticos para complementar el aprendizaje en línea estructurado. No es una biblioteca o framework independiente, sino un recurso educativo que se combina con videolecciones y materiales de curso disponibles en deeplearningcourses.com y lazyprogrammer.me.