Icono de modalidad 100% Online
Icono de duración 3 Meses
Icono de flexibilidad horaria Flexibilidad horaria
Precio
59€
59€
Seguridad y confianza en tus pagos online.

Descripción

¿A quién va dirigido?

La formación Aprendizaje Supervisado en ML está dirigido a profesionales y titulados/as del sector tecnológico y científico que desean profundizar en los fundamentos del aprendizaje supervisado, incluyendo la preparación de datos y feature engineering, así como explorar modelos básicos y avanzados como SVM y Random Forest, todo con un enfoque práctico y accesible.

Objetivos

- Comprender el contexto y aplicación del aprendizaje supervisado frente a otros paradigmas. - Diferenciar entre problemas de clasificación y regresión en aprendizaje supervisado. - Evaluar modelos de aprendizaje supervisado usando métricas clave y validación cruzada. - Aplicar técnicas de limpieza y codificación de datos para mejorar su calidad. - Implementar técnicas de selección y extracción de características relevantes. - Construir modelos básicos como regresión lineal y árboles de decisión efectivamente. - Optimizar modelos avanzados y de ensamblado mediante ajuste de hiperparámetros.

Salidas Profesionales

Aprendizaje Supervisado en ML ofrece multitud de salidas laborales, entre las que se encuentran ingeniero/a de machine learning en empresas tecnológicas, analista de datos especializado/a en modelos predictivos, científico/a de datos para optimización de procesos industriales, o consultor/a en inteligencia artificial para el sector financiero.

Temario

UNIDAD DIDÁCTICA 1. FUNDAMENTOS DEL APRENDIZAJE SUPERVISADO

  1. Definición del aprendizaje supervisado
  2. Diferencias con otros paradigmas: no supervisado y por refuerzo
  3. Tipos de problemas: clasificación vs regresión
  4. Pipeline típico de ML supervisado
  5. Evaluación de modelos: Métricas clave y validación cruzada

UNIDAD DIDÁCTICA 2. PREPARACIÓN DE DATOS Y FEATURE ENGINEERING

  1. Calidad de los datos: limpieza, manejo de valores faltantes y outliers
  2. Codificación de variables categóricas
  3. Escalado y normalización de características
  4. Selección y extracción de características relevantes
  5. Técnicas de reducción de dimensionalidad (PCA, LDA)

UNIDAD DIDÁCTICA 3. MODELOS BÁSICOS DE APRENDIZAJE SUPERVISADO

  1. Regresión lineal y sus variantes
  2. Clasificadores lineales: perceptrón y regresión logística
  3. Árboles de decisión: estructura, poda y criterios de partición
  4. Vecinos más cercanos (k-NN): simplicidad y limitaciones
  5. Métricas de evaluación específicas por tipo de modelo

UNIDAD DIDÁCTICA 4. MODELOS AVANZADOS Y ENSAMBLADO

  1. Máquinas de Vectores de Soporte (SVM): márgenes y kernels
  2. Bagging, Boosting y Stacking
  3. Random Forest y sus ventajas sobre árboles individuales
  4. Gradient Boosting Machines
  5. Ajuste de hiperparámetros y validación anidada

Metodología

EDUCA LXP se basa en 6 pilares

Item
Estrellas

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.

Gráfica

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.

Birrete

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

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.

Monitor

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.

Libro

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

Titulación de Microcredencial Universitaria de Aprendizaje Supervisado en ML con 50 horas y 2 ECTS expedida por UTAMED - Universidad Tecnológica Atlántico Mediterráneo
Titulacion de INESEM

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.

Microcredencial Universitaria de Aprendizaje Supervisado en ML + 2 Créditos ECTS

Icono de modalidad 100% Online
Icono de duración 3 Meses
Icono de flexibilidad horaria Flexibilidad horaria
Precio
59€
Matricularme