Material Detail

"Machine Learning for Everybody – Full Course" icon

Machine Learning for Everybody – Full Course

Learn Machine learning from the start.

Quality

  • User Rating
  • Comments  (1) Comments
  • Learning Exercises
  • Bookmark Collections
  • Course ePortfolios
  • Accessibility Info

More about this material

Comments

Log in to participate in the discussions or sign up if you are not already a MERLOT member.
Adnane Labzae
Adnane Labzae (Student)
1 year ago
EVALUACIÓN DE LA CALIDAD DEL RECURSO COMO MATERIAL DE APRENDIZAJE EN LOS ESTUDIOS DE GRADO DE INGENIERÍA INFORMÁTICA DE LA UPM. Description: - Overview: - Tema: Curso introductorio de Machine Learning para principiantes, cubriendo algoritmos supervisados/no supervisados, preprocesamiento de datos y evaluación de modelos. - Perfil profesional/subdisciplina MERLOT: Information Technology > Artificial Intelligence. - Tipos de materiales: Video (tutoriales), Links to related material (repositorios de código en descripción). - Type of Material: Online Course Module. - Technical Requirements: Navegador web, Python 3.7+, bibliotecas (scikit-learn, pandas), editor de código (Jupyter Notebook). - Learning Goal(s): - Comprender fundamentos de ML: entrenamiento y validación de modelos. - Implementar algoritmos básicos (KNN, regresión lineal). - Aprender flujo de trabajo completo (datos → modelo → evaluación). - Recommended Use(s): - Complemento para asignaturas de Inteligencia Artificial o Ciencia de Datos. - Modalidad: Autoaprendizaje o apoyo visual en clases teóricas. - Target Student Population: Estudiantes de 2º-3º año de Ingeniería Informática con bases de Python. - Prerequisite Knowledge: - Programación básica en Python. - Conceptos de álgebra lineal y estadística descriptiva. Evaluations and Observations: - Quality of Content: - Fortalezas: - Contenido actualizado (Python 3, scikit-learn). - Explicaciones precisas con ejemplos prácticos. - Enlaces a recursos adicionales válidos. - Preocupaciones: - No cubre temas avanzados (redes neuronales). - Falta de datasets descargables integrados. - Potential Effectiveness as a Teaching/Learning Tool: - Fortalezas: - Enfoque práctico con demostraciones en código. - Útil para explicar algoritmos en clases teóricas. - Preocupaciones: - Falta de interactividad (quizzes, retroalimentación). - Resúmenes ausentes al final de secciones. - Ease of Use: - Fortalezas: - Navegación intuitiva (capítulos en YouTube). - Diseño limpio sin distracciones. - Preocupaciones: - Requiere conocimientos previos de Python. - Visualización de código complicada en móviles.