MAchine learning con python | CERTIFICACIÓN PROFESIONAL

¿Estás preparado para explorar las profundidades del Machine Learning con Python y convertirte en un especialista capaz de desarrollar modelos predictivos y soluciones innovadoras?

Machine Learning es una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan.

Los programas resultantes deben ser capaces de generalizar comportamientos e inferencias para un conjunto de grandes datos. Esto se aplica a una amplia gama de problemas en las diferentes industrias.

Programa Académico

Avalado por la Universidad Tecnológica Nacional UTN sede Reconquista

DESCARGAR PROGRAMA EN PDF.

$588.000,00 El precio original era: $588.000,00.$499.000,00El precio actual es: $499.000,00.INSCRIBIRME AHORA

Próximas Fechas Disponibles y Horarios

05 de Agosto 2024 (Últimas vacantes)

Lunes 21:30 Horas
Jueves 19:00 Horas

19 de Agosto 2024

Lunes 19:00 Horas
Martes 19:00 Horas

Las 2 clases semanales se dictan en vivo por Zoom y tienen una duración de 45 a 90 minutos dependiendo del tema y la interacción con los estudiantes. Todas las clases quedan grabadas a disposición de los estudiantes y no se exige asistencia.

¿Cuál es el valor y las formas de pago?

Existen dos formas de pago distintas: El Pago Total y la Suscripción Mensual.

Pago Total:

El estudiante dispone de 2(dos) años para finalizar su cursada desde el momento de su incripción.
Valor: $499.000 ARS. Hasta en 12 cuotas sin interés con tarjetas de crédito Visa, Master y Amex emitidas por entidades bancarias. Desde el exterior: $499 USD.

$588.000,00 El precio original era: $588.000,00.$499.000,00El precio actual es: $499.000,00.INSCRIBIRME AHORA

Suscripción Mensual:

El estudiante puede realizar la cursada normalmente durante los meses que decide abonar su suscripción. Valor: $50000 ARS. por mes o $50 USD. por mes.

Quiero Suscribirme

¿Se requiere experiencia previa para poder inscribirse?

¡No necesitas experiencia en ninguna área! Nuestra Certificación en Ciencia de Datos con R y Python te ofrece una modalidad de cursada flexible y personalizada. Dividimos la certificación en 4(cuatro) cursos que te permitirán ir paso a paso en tu ruta de aprendizaje según tus conocimientos previos. Además de las clases online en vivo todas las semanas, tendrás la libertad de avanzar a tu propio ritmo y elegir el orden en que deseas abordar los temas. No hay necesidad de preocuparte por el tiempo.

Video de Presentación de la Diplomatura en Machine Learning con Python

¿Por qué Aprender Machine Learning con Python?

Nuestra diplomatura está diseñada para aquellos interesados en desarrollar nuevas habilidades para el muy solicitado campo del aprendizaje automático, de manera personalizada con clases en vivo a distancia. Tendrá actividad complementaria con material de apoyo a las clases, material teórico para estudiar y ejercicios resueltos o solucionables.

Te permitirá desarrollar tus conocimientos y habilidades en una de las áreas clave de la ciencia de datos moderna, que implica el diseño de algoritmos para convertir muestras de datos en programas. También desarrollarás habilidades para aplicar estos algoritmos a la inteligencia artificial.

Clases interactivas

Con instructores expertos en el tema, tendrás la oportunidad de participar activamente, hacer preguntas en tiempo real y colaborar con tus compañeros de clase.

Aprende haciendo

Un fuerte componente práctico orientado a proyectos para que aprendas haciendo. Al final de la cursada puedes realizar tus propios proyectos.

Consultas online

Acceso a los docentes y tutores por plataformas de mensajería instantánea (Telegram). Se coordinan videollamadas para atender consultas especificas.

Calidad Educativa

La Universidad Tecnológica Nacional FFRq ha reconocido la calidad académica de este programa a través de la Resolución Nº 290/20. Los egresados de esta carrera han recibido ofertas de trabajo en empresas privadas, organismos públicos, entre otras prestigiosas organizaciones.

Primera Línea

La diplomatura en Machine Learning con Python ha sido diseñada, desarrollada y actualizada por un equipo de profesionales con amplia experiencia en este campo y te proporcionará las principales herramientas de análisis de datos actuales, y el lenguaje de programación Python.

Oportunidades

Amplía tus horizontes con dos sesiones semanales dirigidas por expertos. Python ofrece aplicaciones versátiles que abarcan diversos campos, brindándote un panorama amplio de oportunidades para desarrollar soluciones innovadoras y transformar el futuro.

Programa académico de la Diplomatura en Machine Learning con Python

Nivelación (Optativa)

• Programación lógica.
• Bases de datos relacionales y no relacionales.
• Probabilidad y Estadística.

Introducción Conceptual

• Introducción a Machine Learning.
• Niveles a los que opera Machine Learning.
• Introducción a Data Warehouse.
• Introducción a Data Mining.
• Introducción a Knowledge Discovery.
• Introducción a Herramientas OLAP y Tableros de comando.
• Repaso de herramientas disponibles.
• Taxonomía de las competencias de un científico de datos.

Regresiones

• Regresión Lineal.
• Regresión polinómica.
• Regresión exponencial y logarítmica.
• Regresión de dos variables.
• Ejemplos de regresiones con sklearn.linear_model.
• Regresiones logística.
• Ejemplos de clasificación con regresión logística con sklearn.linear_model.

Arboles de decisión

• Algoritmo básico en Excel
• División en entrenamiento y prueba.
• Uso de sklearn.tree.
• Predicción y valoración de la solución.
• Aplicación al dataset Titanic.
• Aplicación al problema del call center.

Clusters

• Algoritmo básico en Excel.
• Uso de kmeans.
• Ejemplo de aplicación real de sklearn.cluster
• Otros algoritmos de agrupamiento en scipy.cluster
• Ejercicio de aplicación de agrupamiento de mascotas.

Reglas de Asociación

• Algoritmo básico en Access.
• División en entrenamiento y prueba.
• Uso de apriori en Python.
• Ejemplo de una aplicación real votación de reglas.
• Ejemplo de una aplicación real a datos de ventas en supermercados.

Redes Neuronales

• Algoritmo básico en Excel.
• División en entrenamiento y prueba.
• Instalación y uso del paquete.
• Ejemplo en Python.
• Principales parámetros de ajuste y control.
• Problema concreto.

Algoritmos genéticos

• Algoritmo básico en Excel.
• Discusión del tipo de problemas en los que se aplica.
• Discusión de otros mecanismos de optimización.
• Implementación en R del método enjambre de partículas.

Series temporales

• Taxonomía.
• Separación de componentes.
• Predicciones.
• Implementación con statsmodel.
• Predicción en series con un único período.

Método de Simulación de Montecarlo

• Algoritmo básico en Excel.
• Discusión de la utilidad del método.
• Comparación con el análisis de escenarios.
• Ejemplo de una aplicación real.
• Ejemplo simple implementado en Python.

Minería de textos

• Clasificación supervisada de piezas de texto.
• Construcción de una red semántica.
• Ejemplos de aplicación real del algoritmo de clasificación.
• Aplicación a la detección de sentimientos.

Bayes Ingenuo

• Implementación en Excel.
• Ejemplo de aplicación en Python.
• Comparación de 4 algoritmos predictivos (Bayes ingenuo, árboles, redes neuronales y regresión logística).

Random Forest

• Descripción conceptual del método.
• Paquete sklearn.ensemble.
• RandomForestClassifier
• RandomForestRegressor
• Ejemplo de aplicación.
• Comparación con otras técnicas.

Métodos Bayesianos

• Descripción conceptual del método.
• Regresión lineal bayesiana: pymc3.
• Red bayesiana: pgmpy.

Máquina de soporte vectorial

• Descripción conceptual del método.
• Paquete sklearn.svm.
• Ejemplo de aplicación.
• Comparación con otras técnicas.

Experto en Power BI

• Datos dentro de la administración empresarial con BI
• Introducción al Power BI como herramienta clave.
• Cargar datos a Power BI.
• Utilizando Power Query
• Generación de columnas y tabla calendario para
• lograr una buena gestión de los datos.
• Utilizar Dax para gestionar datos.
• Diseño de informes / gráficos.
• Proyecto final.

Instancias de Evaluación

Presentación de proyecto final y Examen final de la diplomatura (Mínimo 60 % de respuestas correctas).

Autoevaluación Etapa de Nivelación (optativa).

Fórmate en Machine Learning con Python a tu ritmo y sin experiencia previa

Nuestra Diplomatura en Machine Learning con Python te ofrece una modalidad de cursada flexible y personalizada. Además de las clases online en vivo todas las semanas, tendrás la libertad de avanzar a tu propio ritmo y elegir el orden en que deseas abordar los temas. No hay necesidad de preocuparte por el tiempo, ya que tendrás un año completo para cursar de forma asincrónica si así lo prefieres.

Además, para brindarte un soporte adicional, contamos con grupos de Telegram donde podrás consultar tus dudas con los docentes y obtener asistencia fuera del horario de clases. Nuestro objetivo es asegurarnos de que tengas todas las herramientas necesarias para tu éxito en el campo de Machine Learning. ¡Únete a nuestra diplomatura y descubre una forma flexible y enriquecedora de aprender!

Equipo docente de la Diplomatura en Machine Learning con Python

Ignacio Urteaga

MBA en Dirección de Sistemas de Información. Físico, (Tesis en física nuclear) Investigador, Premiado en 2001 por sus trabajos en Ciencia de Datos. Más de 30 años de experiencia docente en Universidades y en la aplicación de Datos y BI como Director, Gerente o Consultor en el ámbito público y privado.

Anahí Romo

Licenciada en Ciencias Físicas de la Universidad de Buenos Aires. Maestría en gestión de la energía en la Universidad Nacional de Lanús. Maestría de energías renovables Universidad Nacional de Salta. Desarrolladora Python.

Nicolás del Frate

Ingeniero Electrónico especializado en Telecomunicaciones (FI-UNLP). PM y Program Manager en Google, para proyectos de USA. Más de 20 años de experiencia laboral, en empresas como Ericsson, MCI-Verizon, Telecom Personal, Avaya, ZTE y Telecentro.

Julio Paredes

Ingeniero Industrial con Maestría en Administración de Empresas con enfoque en análisis de datos. Más de 15 años de experiencia laboral en diversos campos, incluida la inteligencia empresarial, la cadena de suministro y la docencia en TI y gestión.