- Presentación
- Temario
- Metodología
- Titulación
Descripción
¿A quién va dirigido?
Objetivos
Salidas Profesionales
Temario
UNIDAD DIDÁCTICA 1. RESOLUCIÓN DE PROBLEMAS EMPRESARIALES MEDIANTE INTELIGENCIA ARTIFICIAL (IA) Y MACHINE LEARNING (ML)
- Identificar soluciones de IA y ML para problemas empresariales
- Formular un problema de aprendizaje automático
- Seleccionar Enfoques para el Aprendizaje Automático
UNIDAD DIDÁCTICA 2. PREPARACIÓN DE DATOS EN INTELIGENCIA ARTIFICIAL
- Recopilar datos
- Transformar datos
- Diseñar características
- Trabajar con datos no estructurados
UNIDAD DIDÁCTICA 3. ENTRENAMIENTO, EVALUACIÓN Y AJUSTE DE UN MODELO DE APRENDIZAJE AUTOMÁTICO
- Entrenar un modelo de aprendizaje automático
- Evaluar y ajustar un modelo de aprendizaje automático
UNIDAD DIDÁCTICA 4. CONSTRUCCIÓN DE MODELOS DE REGRESIÓN LINEAL
- Construir Modelos de Regresión Utilizando Álgebra Lineal
- Construcción de modelos de regresión lineal regularizados
- Construcción de modelos de regresión lineal iterativos
UNIDAD DIDÁCTICA 5. CONSTRUCCIÓN DE MODELOS DE PREVISIÓN
- Construcción de modelos de series temporales univariantes
- Construcción de modelos de series temporales multivariantes
UNIDAD DIDÁCTICA 6. CONSTRUCCIÓN DE MODELOS DE CLASIFICACIÓN MEDIANTE REGRESIÓN LOGÍSTICA Y K-NEAREST NEIGHBORS
- Entrenar modelos de clasificación binaria mediante regresión logística
- Entrenar modelos de clasificación binaria mediante k-Nearest Neighbors
- Entrenar modelos de clasificación multiclase
- Evaluación de modelos de clasificación
- Ajuste de modelos de clasificación
UNIDAD DIDÁCTICA 7. CONSTRUCCIÓN DE MODELOS DE AGRUPACIÓN
- Construir Modelos de Agrupación k-Means
- Construcción de modelos de agrupación jerárquica
UNIDAD DIDÁCTICA 8. CONSTRUCCIÓN DE ÁRBOLES DE DECISIÓN Y BOSQUES ALEATORIOS
- Construcción de modelos de árboles de decisión
- Construcción de modelos de bosques aleatorios
UNIDAD DIDÁCTICA 9. CONSTRUCCIÓN DE MÁQUINAS DE VECTORES DE SOPORTE (SVM)
- Construcción de modelos SVM para clasificación
- Construcción de modelos SVM para regresión
UNIDAD DIDÁCTICA 10. CONSTRUCCIÓN DE REDES NEURONALES ARTIFICIALES
- Construir Perceptrones Multicapa (MLP)
- Construir redes neuronales convolucionales (CNN)
- Construir redes neuronales recurrentes (RNN)
UNIDAD DIDÁCTICA 11. OPERACIONALIZACIÓN DE MODELOS DE APRENDIZAJE AUTOMÁTICO
- Despliegue de modelos de aprendizaje automático
- Automatizar el Proceso de Aprendizaje Automático con MLOps
- Integrar Modelos en Sistemas de Aprendizaje Automático
UNIDAD DIDÁCTICA 12. MANTENIMIENTO DE OPERACIONES DE APRENDIZAJE AUTOMÁTICO
- Proteger los pipelines de aprendizaje automático
- Mantener modelos en producción
Metodología
EDUCA LXP se basa en 6 pilares
Titulación

INESEM Business School se ocupa también de la gestión de la Apostilla de la Haya, previa demanda del estudiante. Este sello garantiza la autenticidad de la firma del título en los 113 países suscritos al Convenio de la Haya sin necesidad de otra autenticación. El coste de esta gestión es de 65 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.
Explora nuestras Áreas Formativas
Construye tu carrera profesional
Descubre nuestro amplio Catálogo Formativo, incluye programas de Cursos Superior, Expertos, Master Profesionales y Master Universitarios en las diferentes Áreas Formativas para impulsar tu carrera profesional.
Certificación Profesional en Inteligencia Artificial (Curso de Preparación + Examen Oficial CAIP)