Fundamentos Machine Learning
Información general
El curso Fundamentos de Machine Learning aborda esta temática desde la perspectiva de las aplicaciones en los negocios y otras actividades, donde este curso presenta una revisión de las técnicas básicas asociadas a ML y la importancia de Data Science para el análisis basado en inteligencia artificial.
Los participantes aprenderán a utilizar técnicas y herramientas de aprendizaje supervisado y no supervisado. Todo ello, para el descubrimiento de asociaciones, correlaciones o dependencias que pueden ser importantes para la toma de decisiones en los negocios.
Características del programa:
El curso tiene las siguientes características:
• Esta estructurado en unidades
temáticas, con un balance entre la
teoría y la práctica.
• Los Participantes recibirán lo siguiente
como parte de este curso:
* Manual del Participante
* Libro electrónico
• Tiene una duración de 20 hrs..
• Al finalizar el curso se entrega una
constancia de participación.
Objetivos
Al finalizar el curso, los asistentes podrán
- Conocer y comprender las principales técnicas y herramientas asociadas a la ciencia de datos y el aprendizaje de máquina (machine learning).
- Identificar los principales conceptos y técnicas asociados a machine learning y ciencia de datos.
- Analizar las oportunidades de aplicación que la ciencia de datos y el aprendizaje de máquina (machine learning) ofrecen, así como los principales desafíos y limitaciones que existen hoy en día.
Dirigido a
- Cualquier persona que esté interesada en aprender sobre Machine Learning
Requisitos
- Para realizar este curso no se deben tener requisitos específicos previos, más que el interés por perfeccionarse en una disciplina de alta complejidad y profesionalismo.
Temario
-
Introducción a la inteligencia artificial
y el Machine learning
• Inteligencia artificial
• Inteligencia de negocios
• Minería de datos
• Data Science Fundamentos
• Machine learning
• Deep Learning -
Machine learning:
Tipos de Aprendizaje
• Aprendizaje Supervisado
• Aprendizaje No supervisado
• Aprendizaje reforzado
• GAN
• Definir un set de datos para el entrenamiento del
modelo
• Creación de un modelo predictivo
• Uso del modelo para hacer predicciones de
nuevos sets de datos. -
Aplicaciones de los tipos de
aprendizaje
• Supervisado
• No supervisado
• Reforzado
• GAN -
Casos y ejemplos de Machine
Learning
• Aplicación al manejo masivo de datos para
propósitos de AML
• Programa incluye casos prácticos
para la aplicación de ML y
modelos de datascience.
Información del curso
- Duración: 20 hrs.
- Modalidad: B-Learning
Próximas fechas
CLP $450.000
Más información?
- Teléfono: +56 9 7898 3683 •
- Email: [email protected]
