Menu
CoddyTech
EMPEZAR A APRENDER
flag Es iconEspañoldown icon
machine Learning iconParte del Journey de Machine LearningNuevoRecorrido

Aprendizaje supervisado con scikit-learn

Entrena modelos que aprenden de ejemplos etiquetados. Divide, ajusta, predice y puntúa con scikit-learn, mira cada modelo en un gráfico y termina con un clasificador de especies de pingüinos.

EMPEZAR A APRENDER(es gratis)
Ver programaPlayground de Aprendizaje supervisado

1,000+ codders inscritos

58 lecciones58 retos240 preguntas de quiz

  • Apto para principiantes
  • sparkles iconAyuda de codificación con IA
  • hint iconLecciones interactivas prácticas
  • quiz iconCuestionarios para poner a prueba tu conocimiento
  • certificate iconCertificado gratuito de finalización

Programa

1 secciones58 lecciones58 retos240 preguntas de quiz

Esta sección forma parte del Journey de Machine Learning. El programa completo tiene más secciones - haz clic en cualquier vista previa de abajo para verla en la página del Journey.

  1. Sección 1Datos y gráficos60 lecciones
  2. Sección 2Estadística para ML64 lecciones
  3. Sección 3

    Aprendizaje supervisado

    Empezar secciónEmpezarExpandirContraer    Entrena modelos reales con scikit-learn: divide los datos, ajusta el modelo, predice y mide su rendimiento. k-NN, regresión lineal y logística, árboles, bosques y boosting; evaluación rigurosa con validación cruzada y pipelines. Para terminar, un proyecto de pingüinos de principio a fin.58 lecciones58 retos240 preguntas

    Tu primer modelo

    5 lecciones520

    Vecinos más cercanos

    5 lecciones520

    Regresión lineal

    5 lecciones520

    Regresión logística

    5 lecciones520

    Medición de clasificadores

    6 lecciones625

    Árboles de decisión

    5 lecciones520

    Sobreajuste

    5 lecciones520

    Validación cruzada

    4 lecciones415

    Métodos de conjunto

    4 lecciones415

    Canalizaciones

    5 lecciones520

    Proyecto: especies de pingüinos

    5 lecciones525

    Desafíos finales

    4 lecciones420
  4. Sección 4Aprendizaje no supervisado51 lecciones
Ver el programa completo del Journey de Machine Learning
Lo que obtienes
Todo lo que usarás para aprender a programar

Aprende Haciendo

Escribe código real, consulta bases de datos, crea sitios web y domina los prompts de IA. Nuestras lecciones interactivas cubren todas las habilidades que los desarrolladores modernos necesitan.

playground.js
Editor de Código
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Prueba #1test Case Success icon
Prueba #2test Case Success icon
Prueba #3test Case Failure icon
Entrada
"Alex"
Salida
"Hello, Coddy! Alex"

Construye tu Racha

¡Mantén la constancia y observa cómo crece tu progreso! Sigue tu hábito diario de programación, protege tu racha con días de congelación y gana recompensas por aparecer cada día.

12 días de racha

¡Vuelve mañana para mantener tu racha!

fire Filled icon
left icon

January 2026

right icon

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

21

22

23

24

25

26

27

28

29

30

product Double Or Nothing icon

Doble o Nada

Día 5 de 7

fire Freeze icon

Congelar Racha

2 left

Donde Quieras

¡Lleva tu viaje de programación contigo! Sin configuración, sin descargas, solo abre y empieza a programar. Disponible en iOS, Android y Web con calificaciones de 4.9 estrellas.

Python
7Racha
250Puntuación
5Energía
Variables
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
CONTINUAR
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Recorrido
Objetivos
Clasificación
Perfil
4.9
EstrellaEstrellaEstrellaEstrellaEstrella
Calificación

No Estás Solo

Compite en tablas de clasificación globales, invita amigos para ganar recompensas y celebra los logros de los demás. ¡Programar es mejor con amigos!

Liga Challenger
Liga ChallengerLos 7 mejores avanzan
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconZona de promociónleaderboard Arrow Up icon

Aprende de todas las formas

Lee, escucha, ponte a prueba, pregunta a la IA o consulta cualquier cosa que ya hayas estudiado. Cada lección se adapta a ti.

Introducción a variables
Audio

Una variable es un contenedor con nombre que guarda un valor al que puedes hacer referencia más tarde.

En Python, creas una escribiendo el nombre, un signo igual y el valor que quieres guardar.

El valor puede cambiar con el tiempo: reasignar el nombre simplemente lo apunta a un nuevo valor.

1xSarah

Certifícate

Gana certificados por cada curso que completes. Agrégalos a tu perfil de LinkedIn y currículum para mostrar tu experiencia en programación a los empleadores.

CoddyCertificado de Finalización
Esto certifica queJuan Pérezha completado exitosamente
python iconFundamentos de Python
Verificado
Fechaene 2026
LinkedInAgregar a LinkedIn

Por qué aprender aprendizaje supervisado con Coddy

  • Todo el flujo de scikit-learn en cuatro líneas que usarás en cada proyecto: train_test_split, fit, predict y score. Después, cada modelo nuevo es una línea más, no otra forma de trabajar.
  • Mira lo que decide un modelo. Las fronteras de decisión colorean el plano, los gráficos de residuos muestran lo que una recta no capta y las curvas ROC enseñan lo que sacrifica un umbral. Cada lección tiene un gráfico, y el tuyo aparece en la pestaña Gráficos al ejecutar.
  • Los modelos que hacen la mayor parte del trabajo real: k vecinos más cercanos, regresión lineal y logística, árboles de decisión, random forests y gradient boosting, además de pipelines que escalan, codifican y rellenan huecos sin filtrar el conjunto de prueba.
  • Puntuaciones honestas. Matrices de confusión, precisión y exhaustividad, clases desbalanceadas, sobreajuste, conjuntos de validación y validación cruzada, para distinguir un modelo que funciona de uno que se aprendió los deberes de memoria.

Preguntas frecuentes sobre aprendizaje supervisado

¿Qué es el aprendizaje supervisado?

El aprendizaje supervisado entrena un modelo con ejemplos que traen la respuesta correcta, llamada etiqueta. Cada fila tiene características (la longitud del pico de un pingüino, la de su aleta, su isla) y una etiqueta (su especie). El modelo aprende la relación entre ellas y luego predice la etiqueta de filas nuevas. Es supervisado porque las etiquetas hacen de profesor: el modelo se corrige con ellas mientras aprende.

¿Qué diferencia hay entre aprendizaje supervisado y no supervisado?

El aprendizaje supervisado tiene etiquetas y las predice: spam o no, el precio de un piso, la especie de una flor. El no supervisado no tiene etiquetas y busca estructura en los propios datos: grupos de clientes parecidos, las pocas direcciones que explican casi toda la variación, las lecturas que parecen raras. Normalmente se aprende primero el supervisado; la sección de aprendizaje no supervisado viene justo después.

¿Qué son la clasificación y la regresión?

Son los dos tipos de aprendizaje supervisado. La clasificación predice una categoría, como spam o no spam, o uno de tres tipos de vino. La regresión predice un número, como los alquileres de bicis de mañana o la evolución de la enfermedad de un paciente. Muchos modelos hacen las dos cosas: hay un k-NN, un árbol de decisión y un random forest para cada una, y el curso usa ambas versiones.

¿Qué algoritmos de aprendizaje supervisado cubre el curso?

k vecinos más cercanos, regresión lineal y Ridge, regresión logística, árboles de decisión, random forests y gradient boosting, todo con scikit-learn. A su alrededor aprendes las herramientas que los hacen útiles: StandardScaler, OneHotEncoder, SimpleImputer, pipelines, cross_val_score y GridSearchCV.

¿Qué debo saber antes de empezar?

Lo básico de Python más NumPy, pandas y matplotlib, y estadística suficiente para leer una media, una dispersión y una correlación. Las dos primeras secciones del curso de machine learning enseñan justo eso. Si ya lo sabes, puedes empezar aquí.

¿Cómo sé si mi modelo es bueno?

Lo pruebas con filas que no vio durante el entrenamiento y lo comparas con una referencia sencilla, como adivinar siempre la clase más común. La exactitud sola puede engañar cuando una clase es rara, así que el curso también enseña la matriz de confusión, la precisión, la exhaustividad, F1 y las curvas ROC, y la validación cruzada para comprobar que la puntuación no fue suerte.

¿Cuánto dura la sección de aprendizaje supervisado?

58 lecciones, unas 10 horas a tu ritmo: unas semanas a media hora al día. Cada lección es una idea y una tarea, y la sección termina con el proyecto de los pingüinos y cuatro retos finales.

¿Es gratis?

Sí. Las lecciones, los gráficos, las pistas de IA y el certificado de la sección son gratis. Con una cuenta gratuita avanzas unas pocas lecciones al día, y Pro quita el límite diario.

Rutas de aprendizaje que incluyen este curso

Este curso es un paso de una ruta más larga: varios cursos en el orden en que los enseñaría un mentor, cada uno con su propio certificado gratis.

Ilustración de los lenguajes de programación de Coddy

Aprende Aprendizaje supervisado con Coddy

COMENZAR