¿Qué es Machine Learning?
Es una de las ramas de la inteligencia artificial que crea sistemas que aprenden automáticamente identificando patrones entre millones de datos.
Objetivos del curso:
- Dominar herramientas, lenguajes de programación y técnicas algorítmicas que te permitirán desarrollar y liderar proyectos de Machine Learning. Estas herramientas están a la vanguardia de la tecnología y son líderes de mercado utilizándose diariamente en empresas nacionales e internacionales.
- Entender y saber aplicar los algoritmos de Machine Learning más utilizados en la industria, así como tener la capacidad de poder adaptarlos y modificarlos para afrontar problemas complejos del mundo real.
- Poder integrarte trabajando en proyectos empresariales que impliquen técnicas de Machine Learning, big data y computación en la nube.
Dirigido a:
- Estudiantes que posean conocimientos básicos de programación y deseen empezar su andadura profesional como científicos de datos.
- Trabajadores del sector tecnológico que quieran progresar en su carrera.
- Jefes de proyecto que deseen liderar eficientemente proyectos de Inteligencia Artificial.
Salidas Laborales
- Científico de datos especializado en Machine Learning.
- Ingeniero de Software y programador de Inteligencia Artificial en proyectos de ingeniería y consultoría.
- Liderar proyectos como experto en machine learning.
Otros Datos:
Profesores Expertos, Formación online tutorizada, Clases/Tutorías en directo, Formación basada en la práctica y en el desarrollo de ejercicios, Programa De Becas Personalizadas y Acceso a Bolsa de Empleo.
Prácticas: Prácticas en empresas especializadas (opcionales). Disponemos de una red de empresas colaboradoras para que puedas cursar tus prácticas.
Precio: 2.097,00 €
Duración: 150 horas
CONTENIDOS:
Módulo 1: Nociones teóricas iniciales
- Desambiguación de términos: ¿Machine Learning? ¿Deep Learning? ¿Data Science? ¿Big Data?
- Evolución histórica de la Inteligencia Artificial
- Machine Learning: Aprendizaje supervisado, no supervisado y por refuerzo
- Aprendizaje supervisado: Regresión y clasificación
Módulo 2: Herramientas básicas
- Programación en Python
- Linux Shell essentials
- Visión general de las herramientas Cloud disponibles
- Ecosistema Data Science en Python: Skit Learn, Pandas, Numpy, Matplotlib…
- Pre-procesamiento de datos numéricos (Normalización, discretización, estandarización…)
Módulo 3: Algoritmos de Machine Learning y su implementación
- ¿Qué es un modelo de machine learning?¿Qué es el entrenamiento? ¿Cómo valido que mis modelos generalizan correctamente?
- Regresión Lineal
- Regresión Logística
- Algoritmos de agrupamiento (K-Means, Clustering espectral, Clustering jerárquico…)
- Support Vector Machines (SVM)
- Árboles de Decisión y Random Forests
- K Nearest Neighbors (KNN)
- Redes Bayesianas
- Modelos Ocultos de Markov
- Algoritmos de reducción de la dimensionalidad (PCA, t-SNE…)
- Multi Layer Perceptron
- Algoritmos de selección de modelos y búsqueda inteligente de hiper parámetros (grid search, random search, cross validation…)
- Modelos Ensemble y Sistemas multi-agente
Claustro de profesores:
Daniel Martínez García
Experto en Inteligencia Artificial con dilatada experiencia en el sector. Fue durante años director de I+D en la División de Inteligencia Artificial de Altran y actualmente dirige la parte de Inteligencia Artificial en MonoM (Grupo Álava). Tiene un máster en Big Data y otro en Deep Learning e imparte clases en universidades y escuelas de negocios.
