[MÚSICA] Ahora vamos a profundizar
sobre lo que tratará el curso. En el curso de Fundamentos, hablamos sobre cómo el aprendizaje automático
trata de obtener información a partir de los datos Y en este curso el método en el que nos vamos
a centrar es la regresión. Y, en particular, lo que va a suponer la regresión 
es que tenemos algunas características que se obtienen de los datos los cuales
son la entrada a nuestro modelo de regresión. Y entonces nuestro objetivo será predecir
algunos valores de continuo como salida o como respuesta a la entrada. La manera en la que haremos esto es, aprendiendo
la relación entre nuestra entrada x y esta salida Y. Por ejemplo, tal vez estas interesado en
cómo va a beneficiarte el tomar esta especialización
en aprendizaje automático. Estas sentado aquí,
trabajando duramente, y te preguntas dónde vas
a aterrizar. Bueno, tal vez una pregunta en la que 
estas interesado es cuál será tu salario después de tomar esta especialización. Y así podemos pensar en
predecir cuál es tu salario basado en cosas como tu
rendimiento en los distintos cursos, la calidad del proyecto final,
en cuántas respuestas del foro participas,
y diferentes caracteristicas como estas. Así, estas serían las entradas
al modelo de regresión, y la predicción, la salida que estamos
tratando de predecir sería tu salario esperado al finalizar
esta especialización. Otro ejemplo es la predicción
del precio de de un inventario. Y para realizar esta predicción, tal vez
esperaríamos que éste dependiera del historial del inventario,
como así también de eventos recientes, además de las tendencias de
otros productos relacionados. O tal vez tuiteaste algo, y quieres saber cúantas personas
van a retuitearlo. Esto podría depender de cuántos
seguidores tienes, cuántos seguidores tienen tus seguidores, la estructura local de red de tus
seguidores, qué hashtags has usado, cuántos retuits has tenido antes,
y otras características de este tipo. Otro ejemplo del que vamos a
hablar en el curso es un ejemplo genial de
leerte la mente. Donde tenemos algún tipo de escáner cerebral,
podría ser IRMF o MEG pero sólo vamos a pensarlo como un
productor de una imagen de tu cerebro, aunque en verdad
produce algo mas complejo. Pero podemos pensar en las
diferentes intensidades de pixeles como las entradas al modelo de regresión
donde el objetivo es predecir si te sentías feliz o triste
en respuesta a algo que te mostraron cuando estabas haciéndote
el escáner cerebral. Asi que hacemos esto porque queremos
adivinar cómo te sientes sólo a partir de una imagen de tu cerebro. Pero en este curso, nos enfocaremos en el caso de estudio
de predicción de precios de viviendas. Así, una pregunta que haremos es
¿cuál es el valor de una casa determinada? Tal vez quieres vender tu casa y quieres averiguar en cuánto cotizarla. Asi que vamos a deducir esta
información examinando algunos datos. Y los datos que veremos
incluyen otras ventas de casas. Pr lo que vamos a tener los precios de
venta asociados a un monton de otras casas, como también los atributos
de estas otras casas, y de estas entradas,
aprenderemos la relación entre los atributos de las casas
y la salida, que es el precio de venta, y usar este modelo con el objetivo
de realizar la predicción del valor de tu casa. Y este curso es todo acerca
de cómo formar esta relación entre la entrada
y la salida. [MÚSICA]