Modalidad
Remoto: Sincrónico en tiempo real mediante plataforma de videoconferenciaDuración
24 horasValor
$550.000Fecha de inicio
13 de agosto de 2024Fecha de finalización
5 de septiembre de 2024Horario
Martes y jueves de 6:00 p.m. a 9:00 p.m.Resumen
El objetivo de este curso es introducir a los estudiantes al campo del Machine Learning y cómo aplicar sus técnicas a través del lenguaje de programación Python. Los estudiantes aprenderán a utilizar las librerías de Python más populares para el Machine Learning, y se familiarizarán con diferentes técnicas de aprendizaje automático.
Habilidades que podrás desarrollar
Al finalizar el curso, el estudiante estará en capacidad de ser programadores de nivel intermedio-avanzado con habilidades prácticas en Machine Learning, capaces de analizar y preprocesar datos, entrenar modelos supervisados y no supervisados
Programa dirigido a:
Este curso de Machine Learning en Python es adecuado para estudiantes y profesionales que deseen desarrollar habilidades prácticas en aprendizaje automático y aplicaciones en ciencias de datos. Si eres un programador con conocimientos básicos de Python y estadística, y deseas aprender técnicas avanzadas de Machine Learning, este curso es para ti.
Perfil docente:
Nicolás Avilán Vargas:
Doctor en Física, experto en Inteligencia Artificial con destacada experiencia en el diseño de cursos de posgrado en Ciencia de Datos y Machine Learning. Actualmente, dirige el programa de Ciencia de Datos en la Universidad Central. Cuenta con una trayectoria de 16 años como profesor universitario en programas de pregrado y posgrado. Ha liderado y participado en proyectos de investigación interdisciplinarios que han generado múltiples publicaciones internacionales. Sus principales intereses se relacionan con la Ciencia de Datos, Analítica de Datos, Inteligencia Artificial, Física Teórica, Física Computacional, Física Matemática, Modelamiento Matemático y Simulación Computacional. Es apasionado por guiar a los estudiantes hacia el éxito académico y profesional.
Contenido
- Qué es el Machine Learning
- Tipos de Machine Learning: supervisado, no supervisado, y por refuerzo
- Preparación del entorno de trabajo (instalación de Python y las bibliotecas necesarias)
- Conceptos básicos de Python (sintaxis, variables, estructuras de datos)
- Carga de datos en Python
- Análisis exploratorio de datos
- Visualización de datos con Matplotlib y Seaborn
- Preprocesamiento de datos para el Machine Learning
- Regresión lineal
- Regresión logística
- Árboles de decisión
- Evaluación de modelos de Machine Learning
- Clustering
- K-means
- Agrupamiento jerárquico
- Reducción de dimensionalidad con PCA
- Introducción a las redes neuronales
- Perceptrón
- Redes neuronales multicapa
- Entrenamiento de redes neuronales
- Support Vector Machines (SVM)
- Gradient Boosting
- Random Forests
- Uso de GridSearchCV para la optimización de modelos
- Elección de un conjunto de datos
- Preprocesamiento de datos
- Selección de modelo
- Entrenamiento y evaluación del modelo
- Presentación de resultados
- Introducción a la visión por computadora y procesamiento de imágenes
- Introducción al procesamiento del lenguaje natural
- Aplicaciones de Machine Learning en el mundo real
- Consejos y trucos para el éxito en el Machine Learning
Información relevante
*Apertura y fecha de inicio: sujeto al mínimo de participantes inscritos establecido por la Dirección de Educación Continua
*Se hace entrega de certificado de asistencia con el cumplimiento de mínimo el 80% del total de las horas del programa académico.
