Machine Learning con R/Python

PROG-158

40 horas

Presencial

Objetivos

El objetivo final de esta terna de cursos es lograr que los alumnos sean capaces de desarrollar de forma autónoma modelos de Machine Learning que sean el motor de un sistema de Inteligencia Artificial.
Por ello, en el presente curso se mostrará un mapa conceptual de las diferentes tipologías de modelos existentes en la actualidad, en función de su usabilidad. Tras ello, se mostrarán las diferentes formas de validar los modelos en función de su tipología. Tras realizar un mapa conceptual de los principales modelos, se irá profundizando en los principales modelos existentes dentro de cada tipología, así como en su validación.
En el presente curso se estudiarán los principales modelos de machine Learning existentes en la actualidad, así como sus posibles casos de uso y su evaluación.
Tras la realización del presente curso los alumnos serna capaces de conocer y aplicar los diferentes modelos de Machine Learning a distintos conjuntos de datos asi como evaluar cual es el mejor modelo en función de los resultados obtenidos

Temario

a.Definición.
b.Mapa conceptual.
c.Modelos supervisados:
i.Clasificación:
1.Regresión logística.
2.KNN
3.Naive Bayes.
4.Árbol de Clasificación.
5. C5.0.
6.Random Forest.
7.XGBoost.
ii.Regresión:
1.Regresión.
2.Árbol de regresión.
3.Random Forest.
4.XGBoost.
d.Modelos no supervisados:
i.Clusterización
ii.Reglas de asociación.
e.Caso Práctico: Resolución del caso Titanic.