[BDN-070] Machine Learning

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.

Contenido

1. Introducción
   1. Origen e historia del ML
   2. Introducción a Python
   3. Preparación del entorno
2. 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
3. Modelos predictivos
   1. Regresión Lineal
   2. Regresión Polinómica
   3. Regresión Multivariable (OLS)
4. 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)
5. 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