Objetivos
Desarrollar, implementar y validar modelos de aprendizaje máquina (Machine Learning): diseñar modelos predictivos de clasificación en problemas reales de salud, economía y empresa, implementar algoritmos de segmentación para análisis de poblaciones en diferentes aplicaciones y desarrollar modelos de predicción avanzados de series temporales.
Índice
1. INTRODUCCIÓN AL CURSO
1.1. Introducción al Python
1.2. Librería de Python para Machine Learning.
1.3 Machine Learning. Introducción.
2. APRENDIZAJE SUPERVISADO
2.1. Definición y aplicaciones.
2.2 Medidas de rendimiento.
2.3 Modelos lineales
2.4 Modelos supervisados de ML: árboles, SVM, redes neuronales.
2.5 Combinación de modelos. Random Forest.
3. APRENDIZAJE NO SUPERVISADO
3.1. Definición y aplicaciones.
3.2 Medidas de rendimiento.
3.3 Clustering. Tipos
3.4 Biclustering
3.5 Manifolds. Reducción de la dimensionalidad
3.6 Análisis de la cesta.
Contenido SCORM para el Curso IFCD093PO: Machine Learning aplicado usando Python
Aporta a tu centro de formación la posibilidad de impartir un completo curso sobre aprendizaje máquina en Python, dirigido a capacitación especializada en informática y comunicaciones. Este contenido SCORM ofrece una inmersión profunda en el desarrollo de modelos predictivos y análisis de datos, con aplicaciones prácticas en sectores como salud, economía y empresa.
Contenidos clave
- Exploración de los modelos predictivos de clasificación en problemas reales de salud, economía y empresa.
- Análisis de algoritmos de segmentación para el análisis de poblaciones en diferentes aplicaciones.
- Estudio de modelos de predicción avanzados de series temporales para aplicaciones específicas.
