- Horas: 30
- Duración: 2 meses
– 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.
¿Qué es el Machine Learning y la Ciencia de Datos?
Machine Learning, Inteligencia Artificial y Deep Learning
Tipos de Machine Learning
Instalación Python + Jupyter
Conceptos básicos de Python
¿ Introducción a las librerías: Numpy
Introducción a las librerías: Pandas
Introducción a las librerías: Matplotlib
Librería Machine Learning Scikit-Learn
¿Qué es y qué problemas resuelven un modelo de CLASIFICACIÓN?
Algoritmos Machine Learning para CLASIFICACIÓN (Decision Tree, SVM, Naive Bayes, Logistic Regression. KNN)
Explicación paso a paso con Scikit-Learn – Caso Práctico Clasificación
¿Qué es y qué problemas resuelven un modelo de REGRESIÓN?
Algoritmo Machine Learning Regresión Lineal
Explicación paso a paso con Scikit-Learn – Caso Práctico REGRESIÓN
¿Qué es y qué problemas resuelven un modelo de CLUSTERING?
Algoritmo Machine Learning K-Means
Explicación paso a paso con Scikit-Learn – Caso Práctico CLUSTERING
¿Qué es y qué problemas resuelven un modelo de REGLAS DE ASOCIACIÓN?
Algoritmo Reglas de Asociación – «Apriori»
Explicación paso a paso – Caso Práctico Reglas de Asociación