Programa de Machine Learning – Transforma Datos en Soluciones Inteligentes

$587.00

Tenemos cupos disponibles | Solicita más información

 

Clear
Fecha de inicio

28 octubre 2024

Horario

Lunes a jueves de 19h30 a 21h30

Modalidad

100% Digital

Objetivos del Curso

  • Comprender las aplicaciones prácticas de algoritmos de Machine Learning en la resolución de problemas del mundo real.
  • Adquirir habilidades en regresión, clasificación y clustering, y comprender las métricas de evaluación correspondientes.
  • Desarrollar modelos de regresión logística, máquinas de soporte vectorial (SVM), árboles de decisión y modelos ensamblados, utilizando bibliotecas de Python como Scikit-Learn.
  • Explorar el mundo del Deep Learning mediante el estudio de redes neuronales artificiales (ANN), redes convolucionales (CNN) y su implementación con TensorFlow y Keras.
Pénsum académico

Módulo 1: Fundamentos de Machine Learning

 

  • Introducción a Machine Learning
    – Definiciones y tipos de aprendizaje
    – Aplicaciones y casos de uso en el mundo real
  • Conceptos clave
    – Regresión y clasificación
    – Métricas de evaluación
    – Cluster
  • Fundamentos de Probabilidad
    – Probabilidad
    – Probabilidad condicional
    – Variables aleatorias
    – Distribución normal
  • Herramientas esenciales
    – Configuración del entorno de trabajo en Python
    – Uso de Jupyter Notebooks
    – NumPy y Pandas

 

Módulo 2: Modelos Lineales de Regresión

 

  • Regresión Lineal
    – Implementación detallada con Scikit-Learn
    – Interpretación de coeficientes
    – Métricas de rendimiento
    – Validación de supuestos
  • Regresión Logística
    – Implementación detallada con Scikit-Learn
    – Métricas de rendimiento
  • Regularización y Ajuste de hiperparámetros
    – Introducción a L1 (Lasso), L2 (Ridge) y ElasticNet
    – Overfitting y underfitting
    – Evaluación en otras muestras
    – Grid Search y validación cruzada
    – Ajuste de hiperparámetros
  • Datos desbalanceados
    – Tratamiento de conjuntos de datos desbalanceados
  • Casos prácticos
    – Predicción de precios de viviendas utilizando regresión lineal
    – Predicción de casos de diabetes utilizando regresión logística

 

Módulo 3: Máquinas de Soporte Vectorial (SVM)

 

  • Fundamentos de SVM
    – Implementación detallada con Scikit-Learn
    – Margen y vectores de soporte
    – Funciones kernel y su aplicación
  • Caso práctico
    – Predicción de volumen de ventas de artículos con SVM

 

Módulo 4: Árboles de Decisión y Modelos ensamblados

 

  • Árboles de Decisión
    – Construcción y visualización
    – Manejo de la complejidad
  • Modelos ensamblados
    – Ensamblado de varios modelos
  • Modelos basados en árboles
    – Random Forest
  • Caso práctico
    – Recomendación de productos infantiles

 

Módulo 5: Redes Neuronales y Deep Learning

 

  • Redes Neuronales Artificiales (ANN)
    – Arquitectura de una red neuronal básica
    – Funciones de activación y capas ocultas
  • Arquitecturas Populares
    – Redes Perceptrón Multicapa (MLP), Redes Convolucionales (CNN)
  • Bibliotecas de Deep Learning
    – TensorFlow, Keras y PyTorch: instalación y primeros pasos
  • Caso práctico
    – Clasificación de imágenes utilizando una red neuronal convolucional

 

Módulo 6: Proyecto Final: Deserción (Churn) de clientes

 

  • Selección del conjunto de datos
  • Análisis exploratorio de datos (EDA)
  • Selección e ingeniería de características
  • Construcción del modelo
  • Entrenamiento y evaluación del modelo
  • Interpretación de resultados
  • Creación de interfaz de usuario y puesta en producción
  • Presentación del proyecto
Detalles adicionales
74 horas académicas

6 módulos

30 Estudiantes

¡Escríbenos por whatsapp!
WhatsApp Chat
Envíanos un mensaje de whatsapp

Solicitud de Información

Fechas

28 octubre 2024, 12 marzo al 29 mayo 2024

SKU: N/D Categoría: Etiquetas: ,