Módulo 1: Introducción al Machine Learning
Lección 1 - ¿Qué es el Machine Learning?
Lección 2 - Tipos de Machine Learning
Lección 3 - Aplicaciones del Machine Learning

Módulo 2: Modelos Supervisados
Lección 1 - Regresión Lineal
Lección 2 - Regresión Logística
Lección 3 - K-Nearest Neighbors (KNN)
Lección 4 - Árboles de Decisión
Lección 5 - Support Vector Machines (SVM)

Módulo 3: Modelos No Supervisados
Lección 1 - Clustering
Lección 2 - K-Means
Lección 3 - Algoritmos de reducción de dimensionalidad
Lección 4 - Análisis de Componentes Principales (PCA)

Módulo 4: Modelos Avanzados
Lección 1 - Redes Neuronales
Lección 2 - Deep Learning
Lección 3 - Random Forest
Lección 4 - Gradient Boosting
Lección 5 - Casos de estudio y aplicaciones prácticas

Módulo 5: Evaluación y Mejora de Modelos de Machine Learnig
Lección 1 - Métricas de evaluación de modelos
Lección 2 - Validación cruzada
Lección 3 - Técnicas de ajuste de hiperparámetros
Lección 4 - Optimización de modelos
Lección 5 - Consideraciones éticas en el Machine Learning