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
    El Curso de Machine Learning se dictará en modo Online.
  • Número de horas
    El tiempo establecido para cursar es de 125 horas.
  • Titulación oficial
    Por realizar el Curso de Machine Learning, CEDA te entregará una acreditación.
  • Valoración del programa
    Actualmente muchos negocios, están buscando la manera de actualizar y optimizar sus recursos. Como profesional es relevante, que puedas priorizar tu desempeño académico, con el Curso de Machine Learnings, te formarás integralmente, en materia de programación de máquinas, curvas ROC, hiperparámetros y para qué sirven, entre otras áreas de interés. Estarás acompañado de un equipo docente dedicado y con gran experiencia.
  • Dirigido a
    Debes tener amplio conocimiento en proyección de objetivos o dirección empresarial, además de contar con un equipo personal de compatación y acceso a internet.
  • Empleabilidad
    Podrás ampliar tus funciones laborales en el puesto que ocupas, atendiendo el área de procesos y definición de estrategias o gerencias de producción.
¿Quieres saber más sobre este curso?
Solicitar información

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  |