Machine Learning con Python

1.995

20 horas / 20 al 24 de julio de 2020, de 16:00 a 20:00 / L a V / Streaming

Descubre las características que convierten a Python en el favorito de los desarrolladores de Machine Learning. Este curso de aprendizaje con Python te brindará todas las herramientas que necesitas para comenzar con el aprendizaje supervisado y autónomo.

Descripción

Destinado a: 
Profesionales con Formación profesional, carrera universitaria o experiencia relacionada el sector industrial y/o la informática.

 

Objetivos Formativos:
• Conocer las técnicas habituales de manejo de datos para su uso posterior
• Conocer las técnicas típicas de estadística
• Saber aplicar los distintos algoritmos de modelos de predicción
• Saber presentar los datos en forma de gráficas

 

Requisitos:
• Fundamentos de programación
• Programación Python

 

Temario:

1. Introducción

– Características y Etiquetas
– Aprendizaje supervisado
– Aprendizaje no supervisado
– Aprendizaje por refuerzo
– Sobreajuste

 

2. Entorno de Desarrollo

– Introducción
– Bases de Datos
– Servicios Web
– Ficheros CSV
– IDE’s
– Pycharm/Anaconda
– Bibliotecas

 

3. Estadística

– Introducción
– Representación cartesiana
– Histogramas
– Gráficos de dispersión
– Coeficiente de correlación
– Regresión lineal
– Tipos de Correlación
– Agrupaciones

 

4. Preparación de los datos

– Cargar los datos necesarios para el proyecto
– Modelos de datos (Dataset)
– Carga desde CSV
– Inspección de los tipos de datos
– Inspección cuantitativa y de salud de los datos
– Limpiar los datos
– Manejo de datos faltantes
– Pandas, Numpy, Scipy

 

5.- Generación de gráficas

– Tipos de Gráficas
– Matplotlib
– Histogramas
– Gráficas de dispersión
– Pyplot

 

6. Algoritmos: Clasificación y Regresión

– Sklearn
– Regresiones
* Regresión Lineal
* Regresión Logística
* Regresión Logística Multinomial
– Clasificaciones
* KNN
*Kmeans
– Reducción de dimensiones: PCA

 

7. Árboles

– Introducción
– Árboles de Decisión
– Random Forest

 

8. Redes Neuronales y Deep Learning

– Introducción
– Problemas de las redes neuronales
– MLPC Multi-layer Perceptron Classifier
– Underfitting y Overfitting
– TFLearn
– TensorFlow
– Pytorch
– Deep Learning
– ImageNet
– Redes convolucionales

 

9. Proyecto Final

– Proyecto final de módulo

Solicitar más información sobre Machine Learning con Python

He leído y acepto la política de privacidad