Bit - loader
Bit - Machine Learning Foundations

Machine Learning Foundations


Machine Learning Foundations

El objetivo del curso es presentar a los alumnos los conocimientos necesarios para dar los primeros pasos en el mundo del Machine Learning. Clasificar, construir modelos de regresión y estudiar el impacto de los cambios en los datos se ha convertido en una necesidad para todas las empresas que quieran gestionar al máximo sus datos. Una vez que hemos superado las restricciones de almacenamiento de datos el siguiente reto es saber generar información de valor desde ellos. En este curso se verán los temas de clasificación, modelos de regresión, árboles de decisión y redes neuronales entre otros haciendo uso de Azure Machine Learning, R y Python entre otras herramientas.


Objetivos

Al finalizar este curso los alumnos podrán:

  • Clasificar datos
  • Construir modelos de clasificación
  • Construir modelos de regresión
  • Crear árboles de decisión
  • Crear redes neuronales
  • Agrupar datos

Perfil de los alumnos

  • Profesionales TI
  • Desarrolladores
  • Analistas
  • DevOps

Requisitos previos

Se valorarán conocimientos de bases de datos relacionales


Profesorado

Contamos con un equipo de instructores altamente cualificados que combinan la actividad formativa con el desarrollo de su actividad profesional como expertos en el campo de las TIC. Profesionales certificados por los principales fabricantes del sector capaces de transferir de forma amena y entendedora los conceptos técnicos más abstractos.


Documentación

Cada alumno recibirá un ejemplar de la Documentación acorde a los contenidos del curso.


Contenidos del Machine Learning Foundations

  1. Clasificación
  • Introducción a la clasificación
    • Funciones de pérdida
    • Teoría de aprendizaje
    • Regresión
  • Construir modelos de clasificación
    • Clasificadores
    • Datos no balanceados
  1. Regresión
  • Introducción a la regresión
    • Regresión lineal
    • Regresión lineal múltiple
    • Evaluar modelos de regresión
  • Crear modelos de regresión
    • Construcción con Azure ML
    • Gestión de datos aislados
  1. Mejorar los modelos de Machine Learning
  • Principios de mejora
    • Regularización
    • Características
  • Técnicas de mejora
    • Intercambio de parámetros
    • Validación cruzada
  1. Árboles y métodos de unión
  • Árboles de decisión
  • Métodos de unión
    • Impulso (boosting)
    • Descenso coordinado
    • Bosques de decisión
  1. Métodos de optimización
  • Redes neuronales
  • Máquinas de vectores de soporte (SVM)
  1. Agrupación (Clustering) y recomendaciones
  • Clustering
    • K-Means
    • Jerárquico
    • Simulación
  • Recomendadores
    • Factorización en matrices
    • Crear y evaluar un recomendador

Metodología

Curso presencial, activo y participativo. El docente introducirá los contenidos haciendo uso del método demostrativo, los participantes asimilarán los conocimientos mediante las prácticas de aplicación real.


Certificaciones

Evaluación continua en base a las actividades realizadas en grupo y/o individualmente. El formador proporcionará feedback de forma continuada/al final de las actividades/individualmente a cada participante.

En el curso se realizará una prueba de evaluación tipo test que deberá superarse en un 75%. Se dispondrá de una hora para su realización.


Acreditación

Se emitirá Certificado de Asistencia sólo a los alumnos con una asistencia superior al 75% y Diploma aprovechamiento si superan también la prueba de evaluación.


Cursos relacionados

Knowledge Center