El curso proporciona a los participantes una sólida introducción al campo del aprendizaje automático, introduciendo los conceptos, técnicas y algoritmos básicos utilizados en la disciplina. El curso explora los tipos de enfoques en el aprendizaje automático, como el aprendizaje supervisado, no supervisado y de recompensa, así como los diversos algoritmos utilizados en el desarrollo de soluciones basadas en el aprendizaje automático. Los participantes aprenderán sobre la gestión de datos, la infraestructura necesaria y cómo evaluar e implementar soluciones de aprendizaje automático en diferentes contextos.
El curso está dirigido a personas que quieran familiarizarse con los conceptos y técnicas básicas del aprendizaje automático, sin requerir experiencia previa en el campo. Este curso es adecuado para estudiantes, profesionales de TI, analistas de datos, investigadores y cualquier persona interesada en comprender y aplicar el aprendizaje automático en diferentes contextos. Los conocimientos adquiridos en este curso servirán como una base sólida para una mayor exploración del campo del aprendizaje automático y la inteligencia artificial.
Después de completar este curso, los participantes adquirirán conocimientos y habilidades tales como:
• Comprender los conceptos y principios básicos del aprendizaje automático, como el aprendizaje supervisado, no supervisado y de recompensa, y los enfoques y tipos asociados.
• Familiaridad con algoritmos y modelos fundamentales en aprendizaje automático, como clasificación, regresión, agrupamiento y reducción de dimensionalidad, para resolver problemas específicos.
• Comprender los riesgos y desafíos del uso del aprendizaje automático, incluidos problemas de sesgo, interpretabilidad de modelos y privacidad de datos.
• Administrar la infraestructura de datos y aprendizaje automático para entrenar modelos de aprendizaje automático y administrar los recursos necesarios para implementar de manera efectiva el proceso de aprendizaje automático.
• Elegir y evaluar modelos de aprendizaje automático adecuados para diversos problemas, conjuntos de datos y comparar el rendimiento de los modelos.
Este curso no requiere conocimientos técnicos.
• Introducción al aprendizaje automático
• Enfoques y tipos de aprendizaje automático: aprendizaje supervisado, aprendizaje no supervisado, aprendizaje de recompensa
• Algoritmos fundamentales en aprendizaje automático: clasificación, regresión, agrupamiento, reducción de dimensionalidad
• Gestión de datos e infraestructura para el aprendizaje automático.
• Selección y evaluación de modelos.
• Introducción al aprendizaje profundo
• Aplicaciones prácticas y estudios de casos
• Riesgos y desafíos en el uso del aprendizaje automático
El curso no está asociado con ningún programa de certificación.
