Especialización en Machine Learning

Ofrecido por: Tokio School

Disponible

Los ordenadores pueden aprender y prueba de ello es el Machine Learning. Esta herramienta nació del reconocimiento de patrones, pero hoy en día nos permite desarrollar aplicaciones que mejoran su rendimiento, “aprendiendo” a partir de datos recopilados en situaciones pasadas. En su desarrollo se usa Python, un lenguaje de programación sencillo, veloz y versátil.

Descubre con nosotros el lenguaje que recomienda aprender el 63% de los programadores y especialízate en una de las grandes áreas de la revolución tecnológica de nuestro tiempo, el Machine Learning.

Si quieres cambiar tu futuro, Welcome to Tokio.

OBJETIVOS DEL CURSO:

  • Utilizar la sintaxis del lenguaje Python e implementarla en diversos proyectos.
  • Realizar una aplicación práctica del Machine Learning con la librería Scikit-learn y el resto de librerías numéricas de Python.
  • Explicar el comportamiento de los diferentes algoritmos ante varias condiciones y en función de sus hyper-parámetros.
  • Aplicar Machine Learning en proyectos reales incluyendo la preparación y las tareas relacionadas necesarias, el despliegue en producción y el ciclo de vida de un modelo.
  • Asentar las bases matemáticas, algorítmicas y de software necesarias para que puedan avanzar en el aprendizaje de otras áreas basadas en el ML.

SALIDAS PROFESIONALES

Con nuestra especialización de Machine Learning saldrás preparado para las profesiones más innovadoras:

  • Machine Learning Scientist
  • Data Scientist
  • Model Integrator

PLAN DE ESTUDIOS

TEMARIO

MÓDULO I. INTRODUCCIÓN AL MACHINE LEARNING​

Tema 1: Introducción al Big Data y Machine Learning

  • Breve repaso del algebra lineal

Tema 2: Entorno de trabajo: VM
Tema 3: Jupyter
Tema 4: Librerias numéricas de Python

  • Numpy
  • Pandas
  • Matplotlib

Tema 5: Introducción a Scikit-learn

MÓDULO II. APRENDIZAJE SUPERVISADO

Tema 1: Regresión lineal

  • Simple
  • Multivariable

Tema 2: Optimización por descenso de gradiente
Tema 3: Normalización
Tema 4: Regularización
Tema 5: Validación cruzada
Tema 6: Teorema de Bayes
Tema 7: Clasificación por árboles de decisión
Tema 8: Regresión logística / clasificación
Tema 9: Clasificación por SVM (Support Vector Machines)
Tema 10: Introducción a las redes neuronales

MÓDULO III. APRENDIZAJE NO SUPERVISADO

Tema 1: Optimización por aleatoriedad
Tema 2: Agrupación

  • K-means y otros algoritmos

MÓDULO IV. APRENDIZAJE REFORZADO

Tema 1: Detección de anomalías
Tema 2: Sistemas de recomendación
Tema 3: Algoritmos genéticos

MÓDULO V. DESARROLLO DE SISTEMAS DE APRENDIZAJE AUTOMÁTICO

Tema 1: Ingeniería de características (“feature engineering”)
Tema 2: Análisis de Componentes Principales (“PCA”)
Tema 3: Ensamblajes
Tema 4: Planteamiento de sistemas de ML
Tema 5: Evaluación y mejora de modelos
Tema 6: Operaciones en ML

PROYECTO FINAL

Un cliente, una compañía de suministros informáticos, ha pedido a la empresa para la que trabajamos que desarrolle una aplicación web que le ayude con la gestión de sus productos y proveedores. Por lo tanto, debemos poner en marcha una aplicación que nos sirva de base de datos, pero también de gestión. Una vez realizada, la adaptaremos a ciertos requisitos que se plantearán para incluir la Inteligencia Artificial en el sistema y poder así mejorarlo.

MATERIAL COMPLEMENTARIO

  • Formación en idiomas

Main Menu