EducaciónIT Curso Machine Learning Fundamentos 21 Horas
Sé el primero en opinarDisponibilidad del producto Sin fecha exacta de entrada
Avísame cuando esté disponible¡Importante! Se trata de una formación online, no presencial. Tras la compra, en las 24 horas laborables siguientes, recibirás un email con las instrucciones de la inscripción y los accesos a la formación.
APRENDUM COLABORA CON EDUCACIÓN IT Educación IT es una empresa dedicada a brindar servicios de capacitación en las principales tecnologías de la información que busca el desarrollo personal y profesional de todos sus alumnos.
Poseen un alto perfil tecnológico y dinámico dentro del sector, estando a la vanguardia y adaptándose a los diferentes cambios, lo que le permite generar productos novedosos y de valor.
Todos sus contenidos están en contínua actualización, lo que le permite a sus estudiantes estar siempre informados de las últimas tendencias.
Descripción
Si quieres saber cuál es el aporte que está dando la Inteligencia Artificial en nuestra sociedad actual y cómo es capaz de interpretar una serie de datos para resolver un problema, este Curso online de Machine Learning Fundamentos te ayudará a entenderlo.
La Inteligencia Artificial es principalmente la capacidad que tienen los sistemas automatizados para interpretar datos, aprender de ellos, crear patrones y realizar alguna tarea en específico. Cada vez es más utilizada, teniendo en cuenta la digitalización de la información y la recolección masiva de datos por parte de empresas que buscan resolver problemas u optimizar o emular tareas realizadas por humanos.
Características
Curso online de Machine Learning Fundamentos, de 21 horas de duración. Al finalizar, recibirás tu Certificación Acreditativa.
- Curso online con Título Propio en Machine Learning Fundamentos.
- Tienes 2 meses para completar el curso.
- Impartido por EDUCACIÓN IT.
- La modalidad del curso es Online con clases en vivo por zoom.
- Las clases serán grabadas y las tendrás disponibles todo el tiempo.
- Contarás con Soporte técnico online y asistencia remota.
- Material de lectura y exámenes interactivos.
- Los cursos tienen diferentes fechas de inicio durante el año, que puedes consultar aquí.
- Curso 100% práctico con grupos reducidos.
- Tendrás la posibilidad de volver a tomar el mismo curso gratis.
- Al finalizar este curso recibirás un diploma de asistencia y aprobación online.
¿A quién va dirigido?
Este Curso online de Machine Learning Fundamentos está dirigido principalmente a personas interesadas en obtener conocimientos sobre la exploración y el análisis de datos. Para la realización del curso se recomienda tener conocimientos avanzados de Python y Data Analytics.
Temario
- 1. La inteligencia artificial como revolución social e industrial
- Como va a afectar la IA la vida de las personas
- Salidas laborales de la IA
- ¿Qué es Machine Learning?
- ¿Qué es la Inteligencia Artificial
- Primeros algoritmos
- Machine Learning
- ¿Por qué Machine Learning es el futuro?
- ¿Cuál es la novedad de la inteligencia artificial?
- 2. Flujo de Trabajo en Machine Learning
- Obtención de los Datos
- Formulación del objetivo
- Elección del algoritmo y entrenamiento del mismo
- Evaluación
- Características de los datos
- Variabilidad
- Estadística
- Distribución
- Rangos
- Fallas en los datos
- Normalización de los datos
- Variables
- Categóricas y Numéricas
- Variables, Tipos de Datos y Operaciones
- Listas, Loops y Condicionales
- Diccionarios o Introducción a Numpy
- Comparación con listas
- Métodos de los arreglos
- Mascaras.
- 3. Limpieza de Datos
- Introducción a Pandas
- Limpieza y Preparación de los Datos
- Series, DataFrames e Indices
- Slicing, Indexing
- Datos Faltantes (nulos)
- Agrupamiento y funciones de agregación
- Distribuciones de Probabilidad.
- 4. Modelos y Algoritmos
- Diferencia con Sistemas Expertos
- Trabajo con Algoritmos
- Selección y Entrenamiento
- Evaluación de calidad
- Ajuste hiperparámetros
- Objetivos y métricas
- Clasificación de Algoritmos
- Manera de aplicación
- Supervisado
- No supervisado
- Reforzado
- Tipo de Tarea
- Clase de datos
- Tipo de modelo subyacente
- Discriminatorio
- Generativos
- Tipo de problema
- Clasificación
- Regresión
- Correlación entre variables
- Graficar con Matplotlib
- Graficar con Seaborn.
- 5. Estimación de grandes números
- Funciones
- Transformación de los Datos
- Variables numéricas: Discretizacion y binning con Pandas
- Variables nominales
- Variables dummies
- Clases en Python.
- 6. Presentación de Scikit-Learn
- Imputación de valores faltantes
- Discretizacion y Binning
- OneHotEncoder y LabelEncoder
- Outlayers
- Reescalar Datos
- Cuantiles y Percentiles
- Inteligencia Artificial – Aprendizaje automático
- Variedad de Algoritmos.
- 7. Aprendizaje supervisado
- Clasificación
- Arboles de Decisión
- K-Vecinos más cercanos
- Naive Bayes (Clasificador bayesiano – Teorema de Bayes)
- Regresión
- Lineal
- Polinómica
- Logística
- Regresión con Arboles de Decisión y K-Vecinos
- Evaluación de los Resultados.