La inteligencia artificial (IA) y el aprendizaje automático (ML) se han convertido en partes esenciales de muchas organizaciones. Cuando se utilizan de forma eficaz, estas herramientas proporcionan información útil que facilita la toma de decisiones críticas y permite a las organizaciones crear productos y servicios interesantes, nuevos e innovadores. Este curso le muestra cómo aplicar varios enfoques y algoritmos para resolver problemas comerciales a través de IA y ML, mientras sigue un flujo de trabajo metódico para desarrollar soluciones basadas en datos.
¡Mide tu nivel de preparación para la implementación de soluciones de Inteligencia Artificial!
¿Quieres saber qué tan preparado estás para integrar soluciones de Inteligencia Artificial en tu actividad? Realice nuestra evaluación y descubra exactamente cuál es su situación. Esta prueba le brindará una idea clara de su capacidad para adoptar e implementar tecnologías de inteligencia artificial de manera efectiva.
Siga los pasos a continuación para acceder a la plataforma CHOICE e iniciar la prueba.
código de acceso: AAK3TBXEEK
- Accede a la plataforma ELECCIÓN: Serás redirigido a la página de inicio de sesión.
- Regístrate como nuevo usuario: En la sección "Nuevo Usuario", introduce la clave de acceso y pulsa el botón "INSCRIBIRSE".
- Complete el formulario de registro: Complete todos los campos obligatorios. Elija un nombre de usuario y contraseña (la contraseña debe tener al menos 6 caracteres e incluir al menos un número).
- Registro completo: Después de completar el formulario, será redirigido a la página principal de CHOICE.
- Acceso: En la página principal, en la sección "Usuario recurrente", ingrese el nombre de usuario y contraseña que creó.
- Accede a la evaluación: Verás la pantalla "Pantalla del curso", donde aparecerá el título de la prueba asociado al código de acceso.
- Inicie la prueba: Hacer clic en el título de la prueba para iniciar la evaluación.
- Accede a la plataforma ELECCIÓN
- Acceso: En la sección "Usuario recurrente", ingresa tu usuario y contraseña.
- Agregar un nuevo curso: Hacer clic en "Agregar un curso".
- Inscríbete en el curso: En la ventana que aparece, introduce el código de acceso y pulsa en "INSCRIBIRSE".
- Accede a la evaluación: visualización "Pantalla del curso" ahora mostrará todos tus cursos
- Inicie la prueba: Haga clic en el título elegido para iniciar la evaluación.
En este curso, desarrollará soluciones de inteligencia artificial para problemas empresariales. Vas a:
- Resuelva un problema empresarial específico utilizando IA y ML.
- Prepare datos para su uso en aprendizaje automático.
- Entrenarás, evaluarás y ajustarás un modelo de aprendizaje automático.
- Construir modelos de regresión lineal.
- Construir modelos de pronóstico.
- Construya modelos de clasificación utilizando regresión logística y k -vecino más cercano.
- Construir modelos de agrupamiento.
- Construya modelos de clasificación y regresión utilizando árboles de decisión y estructuras aleatorias.
- Cree modelos de clasificación y regresión utilizando máquinas de vectores de soporte (SVM).
- Construya redes neuronales artificiales para el aprendizaje profundo.
- Ponga a trabajar los modelos de aprendizaje automático mediante procesos automatizados.
- Mantenga los canales y modelos de aprendizaje automático mientras están en producción.
Para realizar este curso, debe estar familiarizado con los conceptos subyacentes de la ciencia de datos, que incluyen:
- El proceso general de ciencia de datos y aprendizaje automático de un extremo a otro: formulación de problemas; recopilación y preparación de datos; análisis de los datos; ingeniería y preprocesamiento de datos; entrenar, ajustar y evaluar un modelo; y completar un modelo.
- Conceptos estadísticos como muestreo, prueba de hipótesis, distribución de probabilidad, aleatoriedad, etc.
- Estadísticas resumidas como media, mediana, moda, rango intercuartil (IQR), desviación estándar, asimetría, etc.
- Gráficos, cuadros, diagramas y otros métodos de análisis de datos visuales.
Puede obtener este nivel de habilidades y conocimientos realizando el curso. CertNexus Certificados Data Science Practicante (CDSP) (examen DSP-110).
También debe sentirse cómodo escribiendo código en el lenguaje de programación Python, incluido el uso de bibliotecas fundamentales de ciencia de datos de Python, como NumPy y pandas.
Lección 1: Resolver problemas empresariales utilizando IA y ML
- Tema A: Identificar soluciones de IA y ML para problemas empresariales
- Tema B: Formulación de un problema de aprendizaje automático
- Tema C: Enfoques seleccionados para el aprendizaje automático
Lección 2: Preparación de datos
- Tema A: Recopilar datos
- Tema B: Transformar datos
- Tema C: Características del ingeniero
- Tema D: Trabajar con datos no estructurados
Lección 3: Entrenamiento, evaluación y ajuste de un modelo de aprendizaje automático
- Tema A: Entrenar un modelo de aprendizaje automático
- Tema B: Evaluación y ajuste de un modelo de aprendizaje automático
Lección 4: Construcción de modelos de regresión lineal
- Tema A: Construir modelos de regresión utilizando ecuaciones lineales Algebra
- Tema B: Construir modelos de regresión lineal regularizados
- Tema C: Construir modelos de regresión lineal iterativos
Lección 5: Construcción de modelos de pronóstico
- Tema A: Construir modelos de series temporales univariadas
- Tema B: Creación de modelos de series temporales multivariadas
Lección 6: Construcción de modelos de clasificación mediante regresión logística y k-vecino más cercano
- Tema A: Entrenar modelos de clasificación binaria mediante regresión logística
- Tema B: Entrenar modelos de clasificación binaria utilizando k-vecino más cercano
- Tema C: Entrenar modelos de clasificación multiclase
- Tema D: Evaluar modelos de clasificación
- Tema E: Modelos de clasificación de melodías
Lección 7: Construcción de modelos de agrupación en clústeres
- Tema A: Construir modelos de agrupamiento de k-medias
- Tema B: Construir modelos de agrupación jerárquica
Lección 8: Construcción de árboles de decisión y bosques aleatorios
- Tema A: Construir modelos de árboles de decisión
- Tema B: Construir modelos de bosque aleatorios
Lección 9: Construcción de máquinas de vectores de soporte
- Tema A: Construir modelos SVM para clasificación
- Tema B: Construir modelos SVM para regresión
Lección 10: Construcción de redes neuronales artificiales
- Tema A: Construir perceptrones multicapa (MLP)
- Tema B: Construir redes neuronales convolucionales (CNN)
- Tema C: Construir redes neuronales recurrentes (RNN)
Lección 11: Operacionalización de modelos de aprendizaje automático
- Tema A: Implementación de modelos de aprendizaje automático
- Tema B: Automatizar el proceso de aprendizaje automático con MLOps
- Tema C: Integrar modelos en sistemas de aprendizaje automático
Lección 12: Mantenimiento de operaciones de aprendizaje automático
- Tema A: Aprendizaje automático seguro Pipelines
- Tema B: Mantener modelos en producción
- CertNexus – Certificados Data Science Practicante (CDSP)
Este curso está diseñado para ayudar a los participantes a prepararse para la acreditación. CertNexus® Practicante certificado en Inteligencia Artificial (IA) (examen AIP-210).
