Introducción al Machine Learning con Python

Aplicación de algoritmos de Inteligencia Artificial al entrenamiento de modelos predictivos

Más información
Activar notificaciones

Esta edición ha finalizado. ¿Te gustaría inscribirte en nuestra lista de espera?
Activa las notificaciones para mantenerte al tanto de convocatorias similares

Formación disponible in-company ¡Contáctanos!

El Machine Learning, o aprendizaje automático, es una rama de la Inteligencia Artificial que se enfoca en el desarrollo de sistemas capaces de aprender y mejorar automáticamente a medida que se les presenta nueva información. En la actualidad, el conocimiento del Machine Learning es esencial debido a la enorme cantidad de datos disponibles y la necesidad de analizarlos y obtener conclusiones útiles a partir de ellos.

Este curso tiene como objetivo introducir los conceptos de Inteligencia Artificial, Machine Learning y Deep Learning, y explorar las tres categorías de algoritmos de Machine Learning: supervisados, no supervisados y de refuerzo. Durante el curso, se implementarán algunos de los algoritmos más representativos utilizando el lenguaje de programación Python en la plataforma Jupyter, incluyendo modelos lineales, modelos basados en árboles de decisión (incluyendo los más potentes algoritmos de Gradient Boosting), algoritmos de clustering y redes neuronales.

Aprender sobre Machine Learning te permitirá automatizar el análisis de datos, desarrollar sistemas de Inteligencia Artificial avanzados y comprender cómo funcionan los algoritmos de aprendizaje automático. Estas habilidades son fundamentales para una amplia variedad de campos, como la economía, la medicina, la industria y la tecnología. ¡Este curso te dará una ventaja en tu carrera y te permitirá mantenerte actualizado en un campo en constante evolución!

  • Profesionales que deseen adquirir habilidades en el campo del Machine Learning y la Inteligencia Artificial.
  • Estudiantes de informática, ingeniería, matemáticas, estadística, física u otras disciplinas relacionadas que deseen desarrollar sus habilidades en Machine Learning.
  • Profesionales de negocios que deseen utilizar el Machine Learning para mejorar su capacidad para tomar decisiones basadas en datos y para desarrollar soluciones de análisis predictivo.
  • Profesionales que deseen redirigir su carrera y adquirir nuevas habilidades en Machine Learning para poder trabajar en un campo en crecimiento y en alta demanda.

EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL

CONCEPTO DE APRENDIZAJE

NOMENCLATURA

ENTRENAMIENTO, SOBREENTRENAMIENTO Y SUBENTRENAMIENTO DE MODELOS

VALIDACIÓN

ESCENARIOS DE REGRESIÓN Y DE CLASIFICACIÓN

PREPROCESAMIENTO DE DATOS

INGENIERÍA DE CARACTERÍSTICAS PREDICTIVAS

AJUSTE FINO DE MODELOS

CLASIFICACIÓN DE ALGORITMOS

LA LIBRERÍA SCIKIT-LEARN

ALGORITMOS SUPERVISADOS:

  • Redes Neuronales
  • Árboles de decisión
  • Random Forest
  • Boosting
  • K-Nearest Neighbors

ALGORITMOS NO SUPERVISADOS:

  • KMeans
  • DBScan
  • PCA

ALGORITMOS DE REFUERZO

  • Comprender los fundamentos teóricos detrás del aprendizaje automático y la inteligencia artificial, incluyendo los diferentes tipos de algoritmos de aprendizaje y las aplicaciones prácticas de Machine Learning.
  • Aprender a implementar algoritmos de Machine Learning utilizando Python y las librerías más comunes para este fin.
  • Adquirir habilidades prácticas para la limpieza, manipulación y análisis de datos, así como para la selección y entrenamiento de modelos de Machine Learning.
  • Aprender a evaluar el rendimiento de los modelos de Machine Learning utilizando diferentes métricas y técnicas, y comprender cómo elegir el mejor modelo para un problema en particular.

Basada en un método de trabajo asistido, interactivo y eminentemente práctico, se combinarán las exposiciones teóricas con la realización de ejercicios y casos seleccionados oportunamente para una mejor comprensión y asimilación de los contenidos expuestos.

En todo momento se fomentará la participación de los asistentes y su interacción con el formador, con objeto de aclarar sus dudas y resolver los problemas que puedan planteárseles.

 

DANIEL BURRUECO

Daniel Burrueco es Ingeniero de Telecomunicación (Universidad Politécnica de Madrid, 1994), MBA ejecutivo (AEDE BS, 2009) y Máster en Business Intelligence y Big Data (EOI, 2017), y ha desarrollado la mayor parte de su carrera tanto en áreas comerciales como de operaciones en empresas del sector de las tecnologías de información. Con más de 20 años de experiencia en formación, actualmente trabaja como consultor de Business Intelligence y Data Scientist, simultaneando esta actividad con la formación en ambas disciplinas para empresas y en diferentes instituciones educativas (Universidad de Alcalá, Escuela de Organización Industrial, Universidad Camilo José Cela, etc.).

  • Comprender los fundamentos teóricos detrás del aprendizaje automático y la inteligencia artificial, incluyendo los diferentes tipos de algoritmos de aprendizaje y las aplicaciones prácticas de Machine Learning.
  • Aprender a implementar algoritmos de Machine Learning utilizando Python y las librerías más comunes para este fin.
  • Adquirir habilidades prácticas para la limpieza, manipulación y análisis de datos, así como para la selección y entrenamiento de modelos de Machine Learning.
  • Aprender a evaluar el rendimiento de los modelos de Machine Learning utilizando diferentes métricas y técnicas, y comprender cómo elegir el mejor modelo para un problema en particular.

Por qué formarte con nosotros

+12.350
Alumnos formados
+7.900
Horas de formación impartidas
9,2
Valoración media de nuestros alumnos

Cursos relacionados