Árbol de páginas
Saltar al final de los metadatos
Ir al inicio de los metadatos

Duración:                    16 horas

Perfil:                           Avanzado

Dirigido a

Programadores, ingenieros, matemáticos, estadísticos. Toda persona que sepa programar y tenga un conocimiento medio de matemáticas y quiera desarrollarse en el campo del Machine Learning

Requisitos previos 

Se requieren conocimientos de programación matemáticos y estadísticos para realizar el curso.

Objetivos

Este curso proporciona una amplia introducción al aprendizaje automático, la minería de datos y el reconocimiento de patrones estadísticos. El alumno adquirirá los conocimientos necesarios para afrontar un problema de explotación de los datos basándose en Machine Learning, desarrollar o modificar algoritmos existentes para la mejor adecuación a la solución del problema.


Image result for machine learning icon

Contenido

  1. Introducción
    1. Origen e historia del ML
    2. Introducción a Python
    3. Preparación del entorno
  1. Estadística 101
    1. Uso de DataFrames
    2. Media, Mediana y Moda
    3. Varianza y desviación estándar
    4. Tipos de distribuciones
    5. Probabilidad condicional
    6. Teorema de Bayes
  1. Modelos predictivos
    1. Regresión Lineal
    2. Regresión Polinómica
    3. Regresión Multivariable (OLS)
  2. Machine Learning I 
    1. Aprendizaje supervisado y aprendizaje sin supervisar
    2. Clasificador Naive Bayes
    3. K-Means clustering
    4. Árboles de decisión
    5. Random Forests
    6. Support Vector Machines (SVM)
  3. Machine Learning II
    1. KNN (K-Nearest-Neighbors)
    2. Redución de dimensionalidad
    3. Análisis de componentes principales (PCA)
    4. Data Warehousing ETL vs ELT
    5. K-fold cross-validation



Documentación Recomendada

Python Machine Learning
Sebastian Raschka
Septiembre 2015 | 454 páginas 
ISBN: 9781783555130

https://www.packtpub.com/big-data-and-business-intelligence/python-machine-learning

Escriba un comentario …