Curso Machine Learning y Aplicaciones - Online
En tiempos donde el procesamiento de la información tiene cada vez más relevancia, adquiere los conocimientos para poder ejecutar automatizaciones de manera correcta.
SENCE
Tipo
Curso
Duración
6 a 8 semanas
Precio
$572.000
$400.400
$400.400
Formas de Pago
- Tarjeta de crédito chilena: Vía Webpay hasta 3 cuotas precio contado
- Tarjeta de crédito internacional: Vía Paypal
SENCE
Nombre Sence
Aplicación Del Machine Learning En Contextos Reales
Código Sence
1238033256
Horas Totales
96
Duración
6 a 8 semanas
Horario Referencial
Lunes a Domingo 09:00 hrs. - 18:00 hrs.
Razón social
Universidad Adolfo Ibáñez
Rut
71.543.200-5
Dirección
Av. Presidente Errázuriz 3485, Las Condes
Ritmo
100% asíncrono, inicia cuando quieras, sin horarios, si no alcanzas en la duración puedes solicitar extensión*.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Créditos SCT
4
Informacíon
- Admision UAI Online
- [email protected]
¿En qué consiste el programa?
La transformación digital está generando una ingente cantidad de datos que pueden ser utilizados para mejorar los procesos productivos, el desarrollo y venta de productos y servicios, entre otros. Los datos tienen sólo valor potencial, es su análisis y sistematización el que permite incrementar la capacidad de innovar y obtener ventajas en las organizaciones. Las empresas y organizaciones tienen en los datos a uno de sus principales activos y requieren de un buen análisis para una óptima toma de decisiones para así mantener u obtener ventajas competitivas. Lamentablemente los datos nunca están como uno quisiera. Los datos reales pueden ser impuros, pueden conducir a la extracción de patrones/reglas poco útiles. Datos malos nos llevarán a la mala toma de decisiones.
El machine learning o aprendizaje automático es un conjunto de algoritmos que se entrena en un conjunto de datos para hacer predicciones o tomar acciones para optimizar algunos sistemas. Por ejemplo, los algoritmos de clasificación supervisados se utilizan para clasificar a los posibles clientes en prospectos buenos o malos, para fines de préstamo, con base en datos históricos.
Este curso presentará una introducción al aprendizaje automático, las etapas del preprocesamiento y exploración de datos, así como algoritmos clásicos de aprendizaje supervisado y no supervisado. Para cada uno de los temas revisados se muestran ejemplos con datos reales usando el lenguaje de programación R.
El machine learning o aprendizaje automático es un conjunto de algoritmos que se entrena en un conjunto de datos para hacer predicciones o tomar acciones para optimizar algunos sistemas. Por ejemplo, los algoritmos de clasificación supervisados se utilizan para clasificar a los posibles clientes en prospectos buenos o malos, para fines de préstamo, con base en datos históricos.
Este curso presentará una introducción al aprendizaje automático, las etapas del preprocesamiento y exploración de datos, así como algoritmos clásicos de aprendizaje supervisado y no supervisado. Para cada uno de los temas revisados se muestran ejemplos con datos reales usando el lenguaje de programación R.
¿Qué aprenderás?
- Unidad 1 - Introducción al Machine LearningObjetivo Específico:
• Identificar los elementos básicos para desarrollar machine learning. - Unidad 2 - Preprocesamiento y Análisis Exploratorio de DatosObjetivo Específico:
• Aprender las etapas iniciales al procesar datos. - Unidad 3 - Aprendizaje Supervisado: Modelo de regresión lineal múltipleObjetivo Específico:
• Entrenar un modelo de regresión lineal. - Unidad 4 - Aprendizaje Supervisado: Regresión logísticaObjetivo Específico:
• Predecir una variable dependiente que toma dos o más posibles etiquetas. - Unidad 5 - Aprendizaje Supervisado: Métodos de RegularizaciónObjetivo Específico:
• Aplicar técnicas de regularización en el modelo de regresión lineal o logística. - Unidad 6 - Aprendizaje Supervisado: Naïve Bayes, K-NN y ÁrbolesObjetivo Específico:
• Conocer diversos métodos de Machine Learning. - Unidad 7 - Aprendizaje Supervisado: Random Forest, Adaboost, XGBoost, SVMObjetivo Específico:
• Construir un clasificador fuerte a partir de clasificadores débiles. - Unidad 8 - Aprendizaje No Supervisado: Reglas de AsociaciónObjetivo Específico:
• Revisar la técnica Reglas de Asociación.
Metodología
El curso es 100% online asíncrono, i.e. no hay clases en vivo ni horarios. En la plataforma encontrarás cápsulas con contenido audiovisual, lecturas obligatorias, complementarias, y evaluaciones por cada unidad.
¿A quién va dirigido?
El curso está dirigido a profesionistas que buscan introducirse al aprendizaje automático, así como aprender sobre las etapas del preprocesamiento de datos, análisis exploratorio de datos y a entrenar algunas técnicas supervisadas y no supervisadas de machine learning.