Modalidad
Remoto: Sincrónico en tiempo real mediante plataforma de videoconferenciaDuración
24 horasValor
$550.000Fecha de inicio
16 de julio de 2023Fecha de finalización
8 de agosto de 2023Horario
Martes a 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:
Físico de la Universidad Nacional, con maestría y doctorado en Física de la Universidad de los Andes. Investiga problemas de física teórica, modelamiento matemático y simulación computacional.
En la actualidad es profesor asociado en el Departamento de Matemáticas e imparte cursos para la Maestría en Modelado y Simulación de la Universidad Central, además de coordinar el semillero en Física – Matemática y liderar el grupo de investigación Matemáticas Ciencias e Ingeniería (MatCIng).
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.
