958 050 205
100% Online
3 Meses
Flexibilidad horaria
Seguridad y confianza en tus pagos online.- Presentación
- Temario
- Metodología
- Titulación
Descripción
¿A quién va dirigido?
Objetivos
Salidas Profesionales
Temario
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO Y SUPERVISADO
- ¿Qué es Machine Learning y Deep Learning?
- Origen y evolución del Machine Learning
- Ejemplos de Machine Learning en la vida cotidiana
- Instalación de entorno Python y librerías de Machine Learning
- Tipos de Machine Learning
- Aprendizaje supervisado
- Evaluación de rendimiento de modelos - Métricas de Clasificación
- Evaluación de rendimiento de modelos - Métricas de Regresión
UNIDAD DIDÁCTICA 2. PREPARACIÓN Y PREPROCESAMIENTO DE DATOS
- Planteamiento del problema y del dato
- Carga y auditoría inicial del dataset
- Exploración preliminar de los datos (EDA ligera)
- Calidad de los datos – Dimensiones y chequeos
- Duplicados e inconsistencias
- Detección y tratamiento de outliers
- Escalado y transformaciones de variables
- Codificación de variables categóricas
UNIDAD DIDÁCTICA 3. REGRESIÓN LINEAL Y SUS APLICACIONES
- Concepto y fundamentos de la regresión lineal
- La ecuación de la regresión lineal
- Aplicaciones prácticas de la regresión lineal
- Limitaciones y alternativas a la regresión lineal
- Proyecto de regresión lineal
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN CON ÁRBOLES DE DECISIÓN
- Concepto y fundamentos de los árboles de decisión
- Construcción del árbol de decisión
- Profundidad, sobreajuste y poda del árbol
- Ventajas y limitaciones de los árboles de decisión
- Aplicaciones prácticas de los árboles de decisión
- Proyecto clasificación con árbol de decisión
UNIDAD DIDÁCTICA 5. CLASIFICACIÓN CON MÁQUINAS DE VECTORES DE SOPORTE (SVM)
- Concepto y fundamentos de las SVM
- Clasificación lineal con SVM
- El parámetro de regularización C
- Clasificación no lineal y funciones kernel
- Ventajas y limitaciones de las SVM
- Aplicaciones prácticas de las SVM
- Proyecto ML con SVM
UNIDAD DIDÁCTICA 6. CLASIFICACIÓN CON ALGORITMO NAIVE BAYES
- Concepto y fundamentos del Teorema de Bayes
- Tipos de clasificadores Naive Bayes
- Ventajas y limitaciones de Naive Bayes
- Aplicaciones prácticas de Naive Bayes
- Proyecto Machine Learning con Naive Bayes
UNIDAD DIDÁCTICA 7. CLASIFICACIÓN CON ALGORITMO KNN
- Concepto y fundamentos del algoritmo KNN
- La elección del parámetro K
- Métricas de distancia en KNN
- Ventajas y limitaciones del algoritmo KNN
- Aplicaciones prácticas de KNN
- Proyecto clasificación con KNN
UNIDAD DIDÁCTICA 8. CLASIFICACIÓN CON REGRESIÓN LOGÍSTICA
- Concepto y fundamentos de la regresión logística
- La función logística o sigmoide
- Regresión logística multiclase
- Entrenamiento y parámetros del modelo
- Ventajas y limitaciones de la regresión logística
- Aplicaciones prácticas de la regresión logística
- Proyecto clasificación con regresión logística
UNIDAD DIDÁCTICA 9. REDES NEURONALES APLICADAS AL APRENDIZAJE SUPERVISADO
- ¿Qué es una neurona y el modelo perceptrón?
- ¿Qué son las redes neuronales?
- Funciones de activación
- Funciones de activación en modelos multiclase
- Funciones de Coste y de Gradiente Descendente
- Propagación hacia atrás (backpropagation)
- Claves para crear redes neuronales efectivas
Metodología
EDUCA LXP se basa en 6 pilares
Distintiva
EDUCA EDTECH Group es proveedor de conocimiento. Respaldado por el expertise de nuestras instituciones educativas, el alumnado consigue una formación relevante y avalada por un sello de calidad como es el grupo EDUCA EDTECH.
Realista
La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.
Student First
La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.
Inteligencia Artificial
La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.
Profesionales en activo
Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.
Timeless Learning
La formación debe ser una experiencia de vida, concibiendo el e-learning como una excelente solución para los desafíos de la educación convencional. Entendemos el aprendizaje como un acompañamiento continuo del estudiante en cada momento de su vida.
Titulación
También podría interesarte...
Otras Acciones Formativas relacionadas
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.
Curso de Aprendizaje Supervisado en ML + 8 Créditos ECTS
100% Online
3 Meses
Flexibilidad horaria