Objetivo
- Dominar el Machine Learning y qué modelo y algoritmo utilizar para cada reto.
- Conocer en qué consiste el Machine Learning y en qué se diferencia de la Inteligencia Artificial y Deep Learning.
- Manejar Python para el análisis de datos con las principales librerías (numpy, pandas, scikit-learn…)
- Conocer cuáles son los diferentes tipos de machine learning siendo capaz de resolver problemas de clasificación, regresión, clustering y reglas de asociación.
- Conocer los algoritmos de machine learning en cada tipología, valorar cuál es el más adecuado y optimizarlo.
- Predecir el futuro gracias a los modelos de machine learning para conseguir la ventaja competitiva.
- Dar un enorme valor añadido tanto en su compañía como negocio personal.
- Añadir una habilidad de sumo interés para nuestra carrera profesional.
Índice
1. INTRODUCCIÓN AL MACHINE LEARNING
1.1 ¿Qué es el Machine Learning y la Ciencia de Datos?
1.2 Machine Learning, Inteligencia Artificial y Deep Learning
1.3 Tipos de Machine Learning
2. INTRODUCCIÓN A PYTHON
2.1 Instalación Python + Jupyter
2.2 Conceptos básicos de Python
2.3 Introducción a las librerías: Numpy
2.4 Introducción a las librerías: Pandas
2.5 Introducción a las librerías: Matplotlib
2.6 Librería Machine Learning Scikit-Learn
3. MACHINE LEARNING – CLASIFICACIÓN
3.1 ¿Qué es y qué problemas resuelven un modelo de CLASIFICACIÓN?
3.2 Algoritmos Machine Learning para CLASIFICACIÓN (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN)
3.3 Explicación paso a paso con Scikit-Learn – Caso Práctico Clasificación
4. MACHINE LEARNING – REGRESIÓN
4.1 ¿Qué es y qué problemas resuelven un modelo de REGRESIÓN?
4.2 Algoritmo Machine Learning Regresión Lineal
4.3 Explicación paso a paso con Scikit-Learn – Caso Práctico REGRESIÓN
5. MACHINE LEARNING – CLUSTERING
5.1 ¿Qué es y qué problemas resuelven un modelo de CLUSTERING?
5.2 Algoritmo Machine Learning K-Means
5.3 Explicación paso a paso con Scikit-Learn – Caso Práctico CLUSTERING
6. MACHINE LEARNING – REGLAS DE ASOCIACIÓN
6.1 ¿Qué es y qué problemas resuelven un modelo de REGLAS DE ASOCIACIÓN?
6.2 Algoritmo Reglas de Asociación – «Apriori»
6.3 Explicación paso a paso – Caso Práctico Reglas de Asociación
Contenido SCORM para el Curso Machine Learning con Python. Descubre el potencial de la inteligencia artificial
Impulsa la innovación en tu centro de formación con el contenido especializado en Machine Learning con Python. Este curso ofrece a las empresas la oportunidad de formar a su personal en uno de los campos más demandados en el ámbito de la informática y comunicaciones.
Contenidos clave
- Exploración de los diferentes tipos de machine learning y cómo aplicar el modelo y algoritmo adecuado para cada desafío.
- Análisis detallado de las diferencias entre Machine Learning, Inteligencia Artificial y Deep Learning.
- Uso de Python y sus principales librerías (numpy, pandas, scikit-learn) para el análisis de datos en machine learning.
- Estudio de los distintos tipos de machine learning para resolver problemas de clasificación, regresión, clustering y reglas de asociación.
- Análisis de los algoritmos de machine learning según su tipología y optimización para resolver problemas específicos.
- Predicción de futuros escenarios con modelos de machine learning para obtener ventajas competitivas.
- Aportación de un valor significativo tanto a nivel empresarial como en la carrera profesional.
