Curso de Machine Learning - Online

Contacta sin compromiso con CEDA Centro de Especializacion en Data y Analitica

Para enviar la solicitud debes aceptar la política de privacidad

Analisis de educaedu

Carlos Gómez

Carlos Gómez

Curso de Machine Learning

  • Modalidad de impartición
    Realizarás el Curso de Machine Learning en modalidad Online.
  • Número de horas
    La duración del programa es de 125 horas.
  • Titulación oficial
    CEDA te entrega la acreditación por realizar el Curso de Machine Learning.
  • Valoración del programa
    El Curso de Machine Learning que te brinda CEDA, se enfoca en que puedas desarrollar habilidades en el manejo automático de equipos y sistemas, y así apoyar el alcance de objetivos. El curso te permitirá aprender de temas, tales como: inteligencia artificial, técnicas de aprendizaje máquina, framework de programación, árboles de decisión, algoritmo de ensamble, entre otros. Cada materia será impartida por profesores especializados.
  • Dirigido a
    Se ofrece a directivos, o ejecutivos del área de innovación o que estén involucrados en el área de procesos, no se requiere estudios previos para ingresar, sin embargo debes contar con equipo de trabajo propio (computador) y acceso a internet.
  • Empleabilidad
    Tras concluir el curso podrás superarte en el sector laboral que ocupas o también optar por puestos de trabajo acordes con el área de gerencia general o planificación de procesos.

Comentarios sobre Curso de Machine Learning - Online

  • Contenido
    Curso de Machine Learning.

    • Modalidad:Online / Distancia


    Detalles.

    Dirigido a:

    - Directores Generales, Managers y otros directivos que quieran mejorar el performance de sus organizaciones implementando machine learning para aprovechar nuevas oportunidades de negocio.
    - Profesionales en puestos de innovación que se quieran sumergir en la inteligencia artificial para desarrollar procesos de automatización y mejorar su toma de decisiones.

    Requisitos:
    - Desable conocimientos previos en programación

    Comentarios:

    Aprenderas sobre construcción de funciones de predicción, incluyendo la recolección de datos, la creación de características, los algoritmos y la evaluación.


    Una de las tareas más comunes realizadas por los científicos y analistas de datos son la predicción y el aprendizaje automático.

    Este curso cubrirá los componentes básicos de la construcción y la aplicación de las funciones de
    predicción con énfasis en aplicaciones prácticas.

    El curso ofrecerá una base de conceptos básicos como la formación y los conjuntos de pruebas, la adaptación y las tasas de error.

    El curso también introducirá una gama de métodos de aprendizaje de máquinas basados en modelos
    y algoritmos, incluyendo regresión, árboles de clasificación, Bayes ingenuos y bosques aleatorios.

    El curso cubrirá el proceso completo de construcción de funciones de predicción, incluyendo la recolección de datos, la creación de características, los algoritmos y la evaluación.


    ¿Cuáles son los objetivos de este curso?

    - Identificar el aprendizaje automático
    - Conocer las bondades del aprendizaje automático
    - Clasificar de manera adecuada
    - Dominar herramientas para el prototipaje de soluciones


    ¿Qué distingue a este curso de los demás?

    Autoplaneado, avanza a tu ritmo de manera paráctica con contenido de actualidad.


    Temario.


    Módulo 1 

    ¿Qué es el aprendizaje automático?

    1 ¿Qué es la inteligencia artificial?
    2 ¿Qué es el aprendizaje maquina?
    3 ¿Cuáles son las técnicas de aprendizaje máquina?


    Aprendizaje máquina práctico

    1 ¿Qué es un framework de programación? (Tidy Models)
    2 ¿Cómo se entrena un modelo?
    3 Regresión Lineal
    4 ¿Por qué es necesario separar los datos?
    5 Separación de un data set en set de entrenamiento y set de prueba


    Aprendizaje máquina práctico – clasificación

    1 ¿Qué son los árboles de decisión?
    2 ¿Cómo puedo medir el desempeño de un algoritmo de decisión?
    3 ¿Qué es una matriz de confusión?
    4 ¿Qué son las curvas ROC?
    5 Implementado un árbol con Tidy Models


    Random Forests

    1 ¿Qué es un algoritmo de ensamble?
    2 ¿Qué es un bosque de árboles de decisión (RF) y cómo se implementa Tidy Models?
    3 ¿Qué son los hiperparámetros y para qué sirven?
    4 ¿Qué es la validación cruzada?


    Técnicas complementarias de Machine Learning

    1 El problema de tener muchas dimensiones
    2 ¿Cómo reducir el número de dimensiones con PCA?
    3 Principal Component Analysis (PCA) para la visualización en tidy models
    4 Usando PCA en la regresión lineal

Otra formación relacionada con Programación

Este sitio utiliza cookies.
Si continua navegando, consideramos que acepta su uso.
Ver más  |