Diplomado Machine Learning

Resuelve problemas utilizando las grandes capacidades computacionales actuales

El machine learning está tan extendido hoy en día que probablemente lo usemos docenas de veces al día sin saberlo. Es una tecnología clave en Big Data y en muchas aplicaciones financieras, médicas, comerciales y científicas que se basa en la idea de que los sistemas pueden aprender de los datos, identificar patrones y tomar decisiones con una mínima intervención humana.

En este diplomado aprenderás acerca de las técnicas de machine learning más efectivas y obtendrás los conocimientos prácticos necesarios para aplicarlas rápida y eficazmente a nuevos problemas. Incluye temas como el ciclo de vida de la información, casos de aplicabilidad de machine learning, el aprendizaje supervisado (algoritmos de regresión, regresión lineal, regresión logística), aprendizaje no supervisado (clustering, K-Means, reducción de dimensiones), una introducción al deep learning, entre otros de interés.

OBJETIVOS

• Conocer conceptos claves sobre la teoría de Machine Learning aplicados a escenarios prácticos.
• Entender la relación entre inteligencia artificial, machine learning y ciencia de datos.
• Tener una experiencia real en la construcción, validación y despliegue de modelos de aprendizaje automatizado.
• Resolver problemas utilizando la ciencia de datos, ampliando conocimientos sobre técnicas y modelos necesarios para llevarlos a cabo con éxiro.
• Comprender las técnicas empleadas en el aprendizaje Supervisado, no supervisado y el deep learning.

PLAN DE ESTUDIOS

Introducción al machine learning: concepto y fundamentos

Algebra lineal aplicada a machine learning

Python como herramienta de programación para machine learning

Machine Learning: Preparación de datos

Problemas en el Modelamiento de Machine Learning

Supervised Learning

Unsupervised Learning

Deep Learning

Requisitos:

Es deseable que el participante esté familiarizado con la programación de Python, y tenga comprensión de las estadísticas y matemáticas básicas.