Curso de Machine Learning

Machine Learning es un concepto que pertenece al ámbito de la inteligencia artificial cuya traducción al español es “Aprendizaje Automático”. Se trata de una nueva forma de concebir a las máquinas para que aprendan de forma automatizada y sean capaz de detectar patrones complejos en una gran cantidad de datos. De esta forma, la máquina será capaz de predecir comportamientos futuros en base a la creación de algoritmos sin intervención humana, mejorando con el tiempo.

Contenido del programa

Este programa se divide en cuatro cursos especializados que te ayudarán a entender de manera profunda el significado y aplicación del Machine Learning. El contenido es el siguiente:

Fundamentos del Machine Learning

En este curso aprenderás los fundamentos del Machine Learning a través del estudio de casos prácticos. Al final del curso habrás aprendido a predecir el precio de una vivienda en base a una serie de variables. Los conceptos adquiridos en este curso tienen múltiples aplicaciones.y aprenderás a:

  • Identificar las distintas aplicaciones del Machine Learning.
  • Describir las diferencias entre los principales tipos de análisis.
  • Seleccionar las herramientas adecuadas para la aplicación del Machine Learning.
regresar al menú ↑

Machine Learning: regresión

Aprenderás a crear un modelos de regresión para la predicción del precio de una vivienda en base a una serie de variables. También aprenderás a valorar el impacto de los datos a la hora de elaborar las regresiones. Al final del curso podrás:

  • Estimar parámetros del modelo utilizando algoritmos de optimización.
  • Ajustar parámetros con validación cruzada.
  • Analizar el rendimiento del modelo.
  • Describir la noción de escasez y cómo LASSO conduce a soluciones dispersas.
  • Explotar el modelo para establecer predicciones.
  • Construir un modelo de regresión para predecir el precio de una vivienda.
  • Implementar técnicas en Python.
regresar al menú ↑

Machine Learning: clasificación

En este curso aprenderás a crear modelos que predigan sentimientos a partir de una serie de características, como información de perfil, texto de las reseñas, etc. Esto puede servir de aplicación a la hora de, por ejemplo, elaborar anuncios personalizados. Al final del curso sabrás:

  • Describir la entrada y salida de un modelo de clasificación.
  • Abordar problemas de clasificación binaria y multiclase.
  • Implementar un modelo de regresión logística.
  • Crear modelos no lineales en base a ramas de decisión.
  • Implementar técnicas en Python.
regresar al menú ↑

Machine Learning: agrupación y recuperación

En este punto aprenderás a encontrar nociones de similitud entre millones de documentos. Esto puede ser útil, por ejemplo, para recomendar artículos relacionados en base a los gustos del lector. Al final del curso habrás aprendido a:

  • Crear un sistema de recuperación de documentos.
  • Identificar métricas de similitud para datos de texto.
  • Reducir los cálculos en la búsqueda.
  • Comparar y contrastar tareas de aprendizaje supervisadas y no supervisadas.
  • Agrupar documentos por tema.
  • Examinar enfoques de agrupación probabilística.
  • Ajustar una mezcla de modelo gaussiano.
  • Realizar modelos de membresía mixta.
  • Describir los pasos de una muestra de Gibbs.
  • Comparar técnicas de inicialización para objetivos de optimización no convexos.
8 Puntuación
Nuestra valoración

Un curso vanguardista de nivel medio para aquellos que deseen adentrarse en el mundo del machine learning.

PROS
  • Certificado del programa.
  • Nivel intermedio.
  • Aprendizaje flexible.
  • Casi la mitad de los que realizan este curso dan un giro a su vida laboral.
  • Cronograma flexible.
CONS
  • Solo disponible en inglés con subtítulos.
  • Se tarda 8 meses en completar.
  • Solo son gratuitos los primeros 7 días de prueba.
Añade tu reseña
Estaremos encantados de escuchar lo que piensas

Deje una respuesta