Diplomatura en machine learning con python

Certificado en Machine Learning con Python

curso machine learning con python

Diplomatura en Machine Learning con Python Modalidad Online. Una clase semanal en vivo, un fuerte componente práctico orientado a proyectos reales para que aprendas haciendo.
Duración: 13 semanas. Dedicación: 10 Hs semanales – Carga horaria total 130 Hs

$29.000,00INSCRIBIRME AHORA

En Argentina

Valor Promoción:
$29000 Pesos Argentinos

curso de Machine Learning con python en 6 cuotas sin interés
Otros Países

Valor Promoción:
$318 Dólares

Alumnos del exterior de argentina a la diplomatura en machine learning con python
Próximas fechas de inicio de la diplomatura en Machine Learning con Python

Plan de estudios de la Diplomatura en Machine Learning con Python

La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido. El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver. Se realizan corrección de ejercicios y autoevaluaciones. Los grupos de participantes son reducidos y de varios países hispanoparlantes. Lo que aporta diferentes visiones y la posibilidad de networking internacional. Soporte docente por Grupo de WhatsApp, email y foro.

Objetivos

Que los alumnos

Programa Analítico:

Unidad 1: 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

Unidad 2: 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

Unidad 3: “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.

Unidad 4: 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.

Unidad 5: 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.

Unidad 6: 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.

Unidad 7: Series temporales

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

Unidad 8: 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.

Unidad 9: 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.

Unidad 10: Bayes Ingenuo

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

Unidad 11: Random Forest

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

Unidad 12: Métodos Bayesianos

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

Unidad 13: Máquina de soporte vectorial

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

Horarios de la Cursada (GTM-3) de la Diplomatura en Machine Learning con Python

Diplomatura en Machine Learning con PythonDíaHora
Introducción a la Ciencia de Datos4/10/202119 hs
Introducción a la Ciencia de Datos7/10/202119 hs
Iniciación en R 1 de 211/10/202119 hs
Iniciación en R 2 de 214/10/202119 hs
Horarios fijos a partir de la tercer semana de cursada
Clases regulares:Viernes20:15 hs

Instancias de evaluación

Examen final.

Requisitos de aprobación

Mínimo 60 % de respuestas correctas.

Certificado Machine Learning con Python

Equipo docente de la Diplomatura en Ciencia de Datos con R y Python

Artículo añadido al carrito.
0 artículos - $0,00
Abrir chat
¿Necesitas asesoramiento?
¿Dudas? Consulta por WhatsApp.