Python para machine learning (online)
Curso
Online
Descripción
-
Tipología
Curso
-
Metodología
Online
-
Horas lectivas
75h
-
Duración
6 Semanas
Python se ha convertido en una de las herramientas fundamentales para los profesionales de Machine Learning. En este contexto, saber usar librerías como scikit-learn, scipy, numpy, pandas o keras, constituye una competencia básica para el desarrollo de proyectos de este tipo en el entorno empresarial. Este curso entrega una base de conocimiento de los fundamentos que soportan estas potentes metodologías y herramientas, potenciando significativamente al participante para enfrentar desafíos que involucran inteligencia artificial y dándole una ventaja competitiva en el mercado laboral.
A través de este curso, los alumnos aprenderán los conceptos fundamentales asociados de Machine Learning tanto en su versión supervisada, como no supervisada. Dicho aprendizaje será acompañado mediante un conjunto de librerías de Python, las que permitirán pasar de la teoría a la implementación de forma amigable, y actualizada a las tecnologías utilizadas en el mercado.
A tener en cuenta
- Implementar modelos de Machine Learning a través del lenguaje de programación Python.
Profesionales que por sus funciones deben manejarse en los modelos de Machine Learning.
Se recomienda contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.
Opiniones
Materias
- Machine learning
- Algoritmos de aprendizaje
- Árboles de decisión
- Redes neuronales
- Selección de modelos
Profesores
Jaime Navón Cohen
Profesor Asociado Ciencia de la Computación UC
Doctor of Philosophy, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile. Profesor Asociado y Director del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.
Temario
Preprocesamiento de datos con Python- Introducción a librerías del ecosistema de Data Science.- Tipos de variables.- Análisis descriptivo de variables.- Transformación de variables- Visualización de variables.- Imputación de datos.
Regresiones- Aprendizaje supervisado.- Regresión lineal.- Regresiones polinomiales.- Regresión con penalización.- Regresión logística.
Aprendizaje supervisado- Naive Bayes.- Evaluación de clasificadores.- Árboles de decisión.- Random Forest.- Random Forest para regresión.
Redes neuronales- Introducción a las redes neuronales artificiales.- Tecnologías para desarrollo de redes neuronales artificiales.- Redes neuronales artificiales.
Aprendizaje no supervisado- Aprendizaje no supervisado.- K-Means.- Cluster jerárquico.- Evaluación de clusters.- Reducción de dimensionalidad.
Python para machine learning (online)