INTRODUCCIÓN A MACHINE LEARNING

INTRODUCCIÓN A MACHINE LEARNING

Objetivos

Introducir a los alumnos en el área del machine learning (ML).
Proporcionarles los conocimientos generales acerca de su aplicación práctica con la librería Scikit-learn y su implementación algorítmica con Python.

data

Disponible en formato e-learning

Disponible en formato presencial

Disponible en formato a distancia

Acceso al campus

Subvención disponible
A través de Fundae, cumpliendo requisitos.

Duración
9 horas

  • Dificultad 50% 50%
  • Nivel alcanzado 80% 80%

Dirigido a

Conocimientos requeridos

Temario

I. Modelos predictivos (Introducción)
Introducción a la algorítmica predictiva.​
Machine Learning.​
Toma de decisiones predictivas.​
Aprendizaje supervisado.​
Clasificación y regresión.​
Aprendizaje no supervisado.​
Agrupaciones y clusterizaciones.​
Fases de entrenamiento.​
Fase de prueba.​
2. Aprendizaje automático (Machine Learning)
Intérprete (Spyder & Jupyter)​
Aprendizaje supervisado y no Supervisado.​
Matplotlib para visualización.​
Aprendizaje supervisado y no supervisado: Numpy, Scipy, Pandas para cálculo numérico y análisis de datos.​
Aprendizaje supervisado.​
Scikit-learn ​
Aprendizaje supervisado.: Scikit-learn – Kmeans​
Entrenamiento.​
Prueba.​

3. Optimización (Python & Excel)
Programación lineal
Programación no lineal
Solver
Curvas de distribución
Scipy-Optimize

Solicita información del curso