Machine Learning aplicado a la toma de decisiones con Python

PROG-161

30 horas

Presencial

Equivalente Online: ONP20_0077

Objetivos

El objetivo final 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 este módulo 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 serán 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.

FECHAS: 18, 19, 21, 25, 26 y 28 de noviembre de 2024

SUBVENCION: Edicion 2024: Curso enmarcado en el Digital Tatent Hub. Gratuito para empresas socias de GAIA
Otro tipología

Dirigido a:

Este curso está dirigido a profesionales que deseen desarrollar de forma autónoma modelos de
Machine Learning que sean el motor de un sistema de Inteligencia Artificial. Se precisa de
conocimiento básicos en Python

Solicitar más información

Descargar temario del curso

Temario

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