Introducción a Machine Learning

arrow_back Data Analytics

El machine learning o aprendizaje automático es una rama de la inteligencia artificial que crea sistemas que aprenden de manera automatizada. Además de inteligentes, estas máquinas muestran una gran autonomía, siendo capaces de identificar patrones complejos en millones de datos y predecir comportamientos a través de algoritmos.

Este curso está pensado para todas aquellas personas que quieran adquirir una toma de contacto con Machine Learning y el desarrollo del aprendizaje automático.

Objetivos:

  • Dar una visión sobre la historia y las perspectivas de futuro del ML.
  • Aprender los conceptos fundamentales de Machine Learning.
  • Distinguir entre el Machine Learning y otras disciplinas relacionadas con la Inteligencia Artificial.
  • Saber acerca de los diferentes tipos de aprendizaje en Machine Learning.
  • Conocer los principales algoritmos de Machine Learning
  • Conocer las principales librerías de Machine Learning
  • Conocer los principales lenguajes de programa para desarrollar modelos de ML.
  • Instalar y practicar con los diferentes entornos de desarrollo para Machine Learnig
  • Ver cómo funciona una red neuronal a través de un ejemplo sencillo de código.
  • Servir de introducción para seguir profundizando en temas más complejos

Temario:

¿Qué es el Machine Learning?

  • El Machine Learnig y la Inteligencia Artificial: Aclarando conceptos.
  • El Machine Learning y el Deep Learning.
  • El Machine Learnig y el Big Data.
  • Aplicaciones presentes y a medio plazo del ML.

Breve reseña histórica del Machine Learning.

Conceptos fundamentales en Machine Learning.

  • Modelo.
  • Precisión.
  • Gradiente de descenso estocástico.
  • Tasa de aprendizaje.
  • Función de perdida.
  • Epoch.
  • Matriz de confusión.
  • Overfitting and Underfitting

Tipos de aprendizaje automático:

  • Aprendizaje supervisado:
    • Definición de aprendizaje supervisado.
    • Técnicas de aprendizaje supervisado.
      • Árboles de decisión.
      • Redes neuronales.
      • Modelos lineales.
      • Random Forest.
      • Otros…
  • Aprendizaje no supervisado:
    • Definición de aprendizaje no supervisado.
    • Técnicas de aprendizaje no supervisado.
      • Clustering.
      • Biclustering.

Aprendizaje por refuerzo.

Principales librerías de Machine Learning.

Lenguajes de programación en Machine Learning.

Entornos de desarrollo para Machine Learning

Ejemplos de código.

Documentación y enlaces de interés.

Documentación y enlace de interés.

Solicitar información






    GRUPO TRENTIA como responsable del tratamiento tratará tus datos con la finalidad de dar respuesta a tu consulta o petición. Puedes acceder, rectificar y suprimir tus datos, así como ejercer otros derechos consultando la información adicional y detallada sobre protección de datos en nuestra Política de Privacidad.

    Nos gustaría que nos prestaras tu consentimiento para: