Translate README to English and enhance content

Updated README to reflect English translations and improved clarity on course content and objectives.
This commit is contained in:
Cris
2026-06-24 19:55:25 -05:00
committed by GitHub
parent 775d42812d
commit b36a110d8e
+66 -65
View File
@@ -1,73 +1,73 @@
# 🤖 Fundamentos de Inteligencia Artificial y Machine Learning # 🤖 Artificial Intelligence & Machine Learning Fundamentals
![Python](https://img.shields.io/badge/Python-3.x-blue) ![Python](https://img.shields.io/badge/Python-3.x-blue)
![Machine Learning](https://img.shields.io/badge/Machine-Learning-success) ![Machine Learning](https://img.shields.io/badge/Machine-Learning-success)
![Google Colab](https://img.shields.io/badge/Google-Colab-orange) ![Google Colab](https://img.shields.io/badge/Google-Colab-orange)
![Status](https://img.shields.io/badge/Status-Completed-brightgreen) ![Status](https://img.shields.io/badge/Status-Completed-brightgreen)
## 📖 Descripción ## 📖 Overview
Este repositorio documenta mi proceso de aprendizaje en **Inteligencia Artificial y Machine Learning**, incluyendo notebooks, ejercicios prácticos y experimentos desarrollados durante el curso **Fundamentos de IA y Machine Learning**. This repository documents my learning journey through the **Artificial Intelligence and Machine Learning Fundamentals** course, including notebooks, practical exercises, and experiments developed throughout the program.
A lo largo del curso exploré los principales paradigmas del aprendizaje automático, desde modelos supervisados y no supervisados hasta técnicas modernas de visión computacional, procesamiento de lenguaje natural y aprendizaje por refuerzo. The course provided a comprehensive introduction to modern AI concepts, covering supervised and unsupervised learning, computer vision, natural language processing, and reinforcement learning.
--- ---
## 🎯 Objetivos del Curso ## 🎯 Learning Objectives
* Comprender los fundamentos de la Inteligencia Artificial. * Understand the core concepts of Artificial Intelligence and Machine Learning.
* Construir modelos de clasificación y regresión. * Build and evaluate classification and regression models.
* Evaluar y validar modelos de Machine Learning. * Apply model validation techniques and performance metrics.
* Aplicar técnicas de optimización y ajuste de hiperparámetros. * Explore hyperparameter tuning and feature selection.
* Implementar algoritmos de clustering y reducción de dimensionalidad. * Implement clustering and dimensionality reduction techniques.
* Introducir conceptos de Deep Learning. * Gain hands-on experience with Deep Learning concepts.
* Explorar aplicaciones de Computer Vision y NLP. * Explore Computer Vision and Natural Language Processing applications.
* Comprender los principios básicos del Reinforcement Learning. * Understand the fundamentals of Reinforcement Learning.
--- ---
## 📚 Temas Estudiados ## 📚 Topics Covered
### 🔹 Aprendizaje Supervisado ### 🔹 Supervised Learning
* Clasificación * Classification
* Regresn * Regression
* Métricas de validación * Model evaluation and validation metrics
* Dataset Iris * Iris Dataset classification
* Selección de características * Feature selection techniques
* Ajuste de hiperparámetros * Hyperparameter tuning
* Ensamble de modelos * Ensemble methods
### 🔹 Aprendizaje No Supervisado ### 🔹 Unsupervised Learning
* Clustering * Clustering algorithms
* Agrupamiento jerárquico * Hierarchical clustering
* Segmentación de clientes * Customer segmentation
* Reducción de dimensionalidad con PCA * Principal Component Analysis (PCA)
### 🔹 Visión Computacional ### 🔹 Computer Vision
* Representación y procesamiento de imágenes * Image representation and processing
* Redes Neuronales Convolucionales (CNN) * Convolutional Neural Networks (CNNs)
* Clasificación de imágenes * Image classification
* Identificación de objetos con MobileNetV2 * Object recognition with MobileNetV2
### 🔹 Procesamiento de Lenguaje Natural (NLP) ### 🔹 Natural Language Processing (NLP)
* Fundamentos de NLP * NLP fundamentals
* Transformers * Transformer architectures
* Aplicaciones prácticas del procesamiento de texto * Text processing applications
### 🔹 Aprendizaje por Refuerzo ### 🔹 Reinforcement Learning
* Exploración vs Explotación * Exploration vs. Exploitation
* Estrategias de aprendizaje * Learning strategies
* Casos de uso empresariales * Business applications
* Desafíos del Machine Learning moderno * Challenges in modern Machine Learning
--- ---
## 🛠️ Tecnologías Utilizadas ## 🛠️ Technologies Used
* Python * Python
* Google Colab * Google Colab
@@ -80,54 +80,55 @@ A lo largo del curso exploré los principales paradigmas del aprendizaje automá
--- ---
## 📓 Notebook Principal ## 📓 Main Notebook
El desarrollo completo del curso se encuentra documentado en el notebook principal: The complete course development and practical activities can be found in the main notebook:
➡️ **[Abrir Notebook](./Curso_Fundamentos_IA_Machine_Learning.ipynb)** ➡️ **[Open Notebook](./Curso_Fundamentos_IA_Machine_Learning.ipynb)**
GitHub permite visualizar directamente el notebook con: GitHub allows direct visualization of:
* Código fuente * Source code
* Explicaciones teóricas * Explanatory notes
* Resultados * Outputs and results
* Tablas * Tables and visualizations
* Gráficas * Experiment findings
--- ---
## 🚀 Competencias Desarrolladas ## 🚀 Skills Developed
✔️ Preparación y análisis de datos ✔️ Data preparation and analysis
✔️ Construcción de modelos predictivos ✔️ Machine Learning model development
✔️ Evaluación y optimización de modelos ✔️ Model evaluation and optimization
✔️ Computer Vision ✔️ Computer Vision fundamentals
✔️ Procesamiento de Lenguaje Natural ✔️ Natural Language Processing basics
✔️ Reinforcement Learning ✔️ Reinforcement Learning concepts
✔️ Desarrollo de proyectos utilizando Google Colab ✔️ AI experimentation using Google Colab
--- ---
## 💡 Principales Aprendizajes ## 💡 Key Takeaways
Durante este curso adquirí una visión general del ecosistema de Inteligencia Artificial y Machine Learning, comprendiendo cuándo utilizar técnicas supervisadas, no supervisadas y de aprendizaje profundo para resolver diferentes tipos de problemas. Through this course, I gained a solid understanding of the Machine Learning workflow, including data analysis, model training, evaluation, and optimization. I also explored modern AI domains such as Computer Vision, Natural Language Processing, and Reinforcement Learning through practical examples and hands-on experimentation.
Además, desarrollé experiencia práctica utilizando herramientas ampliamente empleadas en la industria para análisis de datos, entrenamiento de modelos y experimentación en entornos de ciencia de datos. This repository serves as a record of my progress and continuous learning in the fields of Artificial Intelligence and Data Science.
--- ---
## 👨‍💻 Autor ## 👨‍💻 Author
**Cristian Cruz** **Cristian Cruz**
Estudiante de tecnología y entusiasta del desarrollo de software, la Inteligencia Artificial y el Machine Learning. Technology student passionate about Software Development, Artificial Intelligence, Machine Learning, and emerging technologies.
--- ---
Si este repositorio te resulta útil o interesante, considera darle una estrella. If you found this repository useful, consider giving it a star.