Especialización en Machine Learning
El Machine Learning ha emergido como un factor clave para desentrañar patrones complejos y tomar decisiones informadas. Esta Especialización en Machine Learning te permitirá comprender los fundamentos y aplicaciones de esta tecnología.
Explorar la clasificación de algoritmos de aprendizaje automático y discernir entre el aprendizaje automático y el aprendizaje profundo son pasos cruciales en este recorrido. Además, adentrarse en la extracción de estructura de datos mediante algoritmos de clustering y sistemas de recomendación ofrece herramientas poderosas para entender y aprovechar la información contenida en grandes conjuntos de datos. Conocer estos aspectos es esencial para aquellos que buscan sacar el máximo provecho de la avalancha de datos disponible en la actualidad.
Duración
6 meses
A quién va dirigido
Esta Especialización en Machine Learning está diseñada para profesionales y estudiantes con un interés real en la Inteligencia Artificial, Machine Learning, ciencia de datos y programación. Es ideal para ingenieros, analistas de datos, científicos de datos y desarrolladores que deseen profundizar en Machine Learning y explorar las aplicaciones prácticas del Deep Learning.
Aprenderás a
Esta Especialización en Machine Learning te prepara para enfrentar proyectos de Machine Learning. A través de la comprensión profunda de algoritmos y técnicas avanzadas, podrás diseñar sistemas de recomendación y clasificación, permitiendo una toma de decisiones informada. Al finalizar, estarás capacitado para aplicar Machine Learning y Deep Learning en diversas industrias, contribuyendo a soluciones innovadoras y a la transformación digital.
Campo Laboral
Con esta Especialización en Machine Learning, podrás ejercer como científico de datos, ingeniero de Machine Learning, desarrollador de modelos predictivos y especialista en sistemas de recomendación. Además, podrás adentrarte en industrias tecnológicas, financieras, de salud, entre otras, aplicando Machine Learning para optimizar procesos y generar valor empresarial.
Plan de estudios
MÓDULO 1. INTRODUCCIÓN APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
- Introducción al Machine Learning
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS, CLUSTERING
- Introducción
- Algoritmos
UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN
- Clasificadores
- Algoritmos
UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING
- Componentes
- Aprendizaje
UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
MÓDULO 2. DESARROLLO DE DEEP LEARNING
UNIDAD DIDÁCTICA 1. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
- Aprendizaje profundo
- Entorno de Deep Learning con Python
- Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 2. SISTEMAS NEURONALES
- Redes neuronales
- Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 3. REDES DE UNA SOLA CAPA
- Perceptrón de una capa y multicapa
- Ejemplo de perceptrón
UNIDAD DIDÁCTICA 4. REDES MULTICAPA
- Tipos de redes profundas
UNIDAD DIDÁCTICA 5. ESTRATEGIAS DE APRENDIZAJE
- Entrenar una red neuronal
- Gráficos computacionales
- Implementación de una red profunda
- El algoritmo de propagación directa
- Redes neuronales profundas multicapa
También te puede interesar