Pasar al contenido principal

Curso: Machine Learning en Python

Información general

Modalidad

Remoto: Sincrónico en tiempo real mediante plataforma de videoconferencia

Fecha de inicio

25 de marzo de 2025

Horario

Martes y jueves de 6:00 a 9:00 p.m.

Fecha de finalización

24 de abril de 2025

Duración

24 horas

Valor

$583.000

Convocatoria abierta

Solicita información

Sigue nuestro contenido y no te desconectes de nuestras Redes Sociales
Facebook red social - Universidad Central
Instagram red social - Universidad Central
Twitter red social - Universidad Central
Linkedin red social - Universidad Central
Ahora puedes pagar en línea 

Ahora puedes pagar en línea

Puedes usar tu tarjeta de crédito, débito; también puedes generar un recibo para realizar tu pago en efectivo en el banco Davivienda

Actualización tributaria 2024

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 desarrollarás:

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

Vuelve a la oferta académica

de educación continua

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

Características:

Información relevante

Apertura y fecha de inicio

Sujeto al mínimo de practicantes inscritos establecido por la Dirección de Educación Continua

Certificado de asistencia

Se hace entrega con el cumplimiento de mínimo el 80% del total de las horas del programa académico

Contáctanos

Última actualización: